从给出的字符串中去除亵渎词的正确方法是什么：
1）我有一个包含100个单词列表的字符串数组。 2）处理部分单词的正确方法是什么？大多数人如何处理这个问题？例如单词mass。然后有时候一个部分词也是不好的 - 假设foobar是一个非常亵渎的词，我可能想要禁止foobar和foobar *和* foobar。使用正则表达式（100字的列表）的亵渎过滤器
那么你把所有的单词放到一个单一的表达式或通过列表循环？
什么是解决它的正确方法？我正在使用Groovy/Grails，但欢迎任何现代语言例子。
(foobar|foobaz|...)然后把警卫分组两侧的多余的字符
[^[email protected]#$%^&*]*(foobar|foobaz|foofii)[^[email protected]#$%^&*]*
此外，你可能会希望使用不区分大小写的标志，以便它可以匹配像FooBaz和fOObaR这样的词。
就性能而言，将它连接为一个大的正则表达式可能是最快的（尽管我不是专家）。正则表达式算法在搜索&处理分支条件时非常高效。基本上，它一定比O(mn)（其中m是单词的数量，n是你正在寻找的文字大小）
这是很解决一个难题，你需要确定是否正则表达式将工作为你和你如何处理嵌入（当你添加一个字典词的亵渎像frackface除了真正的F字）。
正则表达式通常会限制它们可以使用多长时间，这通常会阻止您为所有单词使用单个正则表达式。针对字符串执行多个正则表达式非常慢，具体取决于您需要的性能以及黑名单的大小。我们最初实施CleanSpeak作为正则表达式系统，但它没有扩展，我们使用不同的机制重写它。
您还需要考虑词组，标点符号，空格，leet-speak和其他语言。所有这些使得正则表达式作为解决方案的吸引力较小。下面是使用这个词打招呼一些例子（假设这是这项工作的亵渎）：
您还需要处理两个或两个以上字典（白名单）字词在彼此相邻时包含亵渎的边缘情况。包含S-词的一些例子：
这些显然不是亵渎，但大部分自产自销，许多商业解决方案与这些案件的问题。
我们花了3年的时间完善CleanSpeak所使用的过滤器，以确保它可以处理所有这些情况，并且我们会继续调整并使其更好。我们还花了8个月的时间完善了我们的系统性能，每秒可以处理大约5,000条消息。并不是说你不能建立可用的东西，但要准备好处理很多可能出现的问题，并且要创建一个不使用正则表达式的系统。
检查此链接：http://stackoverflow.com/questions/273516/how-do-you-implement-a-good-profanity-filter –
寻找斯坎索普问题：http：//en.wikipedia .ORG /维基/ Scunthorpe_problem – rossum