php 敏感詞過濾進階版

只要使用者可以發言的地方，就可能出現廣告或者其他敏感詞，因此必須加入敏感詞過濾機制來保持網站的”純潔”。

過濾機制：加入php關鍵字正則匹配

//$str 為使用者資料
function wordFilter($str)
{
       /*
    擷取敏感詞列表
    敏感詞的儲存方法：
    1：儲存在txt檔案中（一般的方法）
    2：儲存在緩衝（比較好的方法）
    我是儲存在memcachd中。
    */
    $words = getSensitiveWords();

    foreach ($words as $word)
    {
        $preg_letter = '/^[A-Za-z]+$/';
        if (preg_match($preg_letter, $str))
        {//匹配中文
        $str = strtolower($str);
        $pattern_1 = '/([^A-Za-z]+' . $word . '[^A-Za-z]+)|([^A-Za-z]+' . $word . '\s+)|(\s+' . $word . '[^A-Za-z]+)|(^' . $word . '[^A-Za-z]+)|([^A-Za-z]+' . $word.'$)/';
        //敏感詞兩邊不為空白
        if (preg_match($pattern_1, $str))
        {
            $flag = TRUE;
        }
        $pattern_2 = '/(^' . $word . '\s+)|(\s+' . $word . '\s+)|(\s+' . $word . '$)|(^' . $word . '$)/';
        //敏感詞兩邊可以為空白格
        if (preg_match($pattern_2, $str))
        {
            $flag = TRUE;
        }
        }
        else
        {//匹配英文字串，大小寫不敏感
        $pattern = '/\s*' . $word . '\s*/';
        if (preg_match($pattern, $str))
        {
            $flag = TRUE;
        }
        }
    }
}
存在問題：

如果單純只加入關鍵字匹配，使用者反過濾的方法五花八門，包括中間加入空格或者其他標點符號。
例子：
敏感詞：扣扣

使用者處理後：
扣 扣
扣，扣
扣@扣
扣1扣
這時候代碼的正則匹配就可能匹配不出來。

解決辦法：

先對使用者資料去除所有的標點符號和一些特殊字元，然後再進行敏感詞判斷。

代碼：

$flag_arr=array('？','！','￥','（','）','：','‘','’','“','”','《','》','，','…','。','、','nbsp','】','【','～');

        $content_filter=preg_replace('/\s/','',preg_replace("/[[:punct:]]/",'',strip_tags(html_entity_decode(str_replace($flag_arr,'',$content),ENT_QUOTES,'UTF-8'))));
$content_filter 就是處理後的使用者資料，然後再進行 wordFilter($content_filter ) 過濾操作