什么是一个好的Python敏感词过滤库？

Question

类似于https://stackoverflow.com/questions/1521646/best-profanity-filter，但对于Python，我正在寻找可以在本地运行和控制自己的库，而不是web服务。

（虽然听到你对亵渎过滤的基本反对意见总是很好的，但我并不是在这里特别寻找它们。我知道亵渎过滤并不能把所有的伤人的话都收集起来。我知道，在大计划中，骂人并不是一个特别大的问题。我知道你需要一些人力资源来处理内容问题。我只想找到一个好的图书馆，看看我能利用它做些什么。）

Answer 1

我没有找到任何Python亵渎库，所以我自己做了一个。

参数

---

filterlist

与禁止使用的单词相匹配的正则表达式的列表。请不要使用\b，它将根据inside_words插入。

示例： ['bad', 'un\w+']

ignore_case

默认值：True

不言而喻。

replacements

默认值："$@%-?!"

包含字符的字符串，替换字符串将从中随机生成。

例如："%&$?!"或"-"等

complete

默认值：True

控制是否替换整个字符串或是否保留第一个和最后一个字符。

inside_words

默认值：False

控制是否在其他单词中搜索单词。禁用此

模块源

---

（最后举例）

"""
Module that provides a class that filters profanities

"""

__author__ = "leoluk"
__version__ = '0.0.1'

import random
import re

class ProfanitiesFilter(object):
    def __init__(self, filterlist, ignore_case=True, replacements="$@%-?!", 
                 complete=True, inside_words=False):
        """
        Inits the profanity filter.

        filterlist -- a list of regular expressions that
        matches words that are forbidden
        ignore_case -- ignore capitalization
        replacements -- string with characters to replace the forbidden word
        complete -- completely remove the word or keep the first and last char?
        inside_words -- search inside other words?

        """

        self.badwords = filterlist
        self.ignore_case = ignore_case
        self.replacements = replacements
        self.complete = complete
        self.inside_words = inside_words

    def _make_clean_word(self, length):
        """
        Generates a random replacement string of a given length
        using the chars in self.replacements.

        """
        return ''.join([random.choice(self.replacements) for i in
                  range(length)])

    def __replacer(self, match):
        value = match.group()
        if self.complete:
            return self._make_clean_word(len(value))
        else:
            return value[0]+self._make_clean_word(len(value)-2)+value[-1]

    def clean(self, text):
        """Cleans a string from profanity."""

        regexp_insidewords = {
            True: r'(%s)',
            False: r'\b(%s)\b',
            }

        regexp = (regexp_insidewords[self.inside_words] % 
                  '|'.join(self.badwords))

        r = re.compile(regexp, re.IGNORECASE if self.ignore_case else 0)

        return r.sub(self.__replacer, text)


if __name__ == '__main__':

    f = ProfanitiesFilter(['bad', 'un\w+'], replacements="-")    
    example = "I am doing bad ungood badlike things."

    print f.clean(example)
    # Returns "I am doing --- ------ badlike things."

    f.inside_words = True    
    print f.clean(example)
    # Returns "I am doing --- ------ ---like things."

    f.complete = False    
    print f.clean(example)
    # Returns "I am doing b-d u----d b-dlike things."