php 敏感词过滤高级版

只要用户可以发言的地方，就可能出现广告或者其他敏感词，因此必须加入敏感词过滤机制来保持站点的”纯洁”。

过滤机制：加入php关键字正则匹配

//$str 为用户数据
function wordFilter($str)
{
/*
获取敏感词列表
敏感词的存储方法：
1：存储在txt文件中（一般的方法）
2：存储在缓存（比较好的方法）
我是存储在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]+' . $word.'$)/';
//敏感词两边不为空
if (preg_match($pattern_1, $str))
{
$flag = TRUE;
}
$pattern_2 = '/(^' . $word . 's+)|(s+' . $word . 's+)|(s+' . $word . '$)|(^' . $word . '$)/';
//敏感词两边可以为空格
if (preg_match($pattern_2, $str))
{
$flag = TRUE;
}
}
else
{//匹配英文字符串，大小写不敏感
$pattern = '/s*' . $word . 's*/';
if (preg_match($pattern, $str))
{
$flag = TRUE;
}
}
}
}
存在问题：

如果单纯只加入关键字匹配，用户反过滤的方法五花八门，包括中间加入空格或者其他标点符号。
例子：
敏感词：扣扣

用户处理后：
扣 扣
扣，扣
扣@扣
扣1扣
这时候代码的正则匹配就可能匹配不出来。

解决办法：

先对用户数据去除所有的标点符号和一些特殊字符，然后再进行敏感词判断。

代码：

$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'))));
$content_filter 就是处理后的用户数据，然后再进行 wordFilter($content_filter ) 过滤操作