Допустим есть гостевая книга. Сообщения оставляются без предварительной модерации. Есть список слов (мат и т.п.) которые нужно находить в сообщении и заменять

Вопрос:
- как грамотнее организовать проверку и замену? И главное, какие функции быстреке будут работать?

Зависит от кол-ва слов и сложности правил...
В принципе и preg-replace() - 1 раз можно прогнать.

А в идеале ещё и заменять слова, где скажем вместо русских букв используются латинские со схожим написанием.
Тут, наверное, стоит все схожие символы ложить в массив и прегать по массиву.
Правда не знаю насчёт скорости...

Mal Hack
почитал документацию и не совсем понял как это использовать

вот например нужно в сообщении делать следующие замещения
- aaa на ббб
- 1234 на 4321
- ёй на юй

а код типа такого



так чтоли?

Это вроде str_replace
В преге регульки

быстрее всего будет работать str_replace (т.е. обычная замена без регулярных выражений)
НО правильней ИМХО делать так: в базе хранить корни слов - матов и смотреть в тексте именно эти корни. При нахождении корня заменять все слово в котором этот корень есть (т.е. от пробела до пробела)

Но конечно на 100 уберечся нельзя например вот 2 слова: хорошо и xopoшo - визуально разницы вообще никакой а во втором слове буквы Х О и P- латинские икс, о и пе. да и после каждой буквы пробелов могут понаставить. В идеале конечно нужно все жестко модерировать и карать карой небесной нарушителей

Это сообщение отредактировал(а) BIG BROTHER - 30.1.2006, 17:20

BIG BROTHER корни - не дело. Будет резать безобидные слова типа "застрахуйте"

Gold Dragon, если так, то:

Если 5 юзаешь, то str_ireplace

BIG BROTHER
наверное всё таки нужна регулярка, т.к. в базе лежат слова, а их надо проверять на наличие не алфавитного знака в начале и в конце. Например, слово "устой" не должно попасть в "плохие" слова по маске "сто", а ".сто" должно попасть. Как мне это сделать регулярными выражениями?

Всем спасибо за пояснение к str_replace. Но как мне совместить это с базой? Или проще это хранить в переменной(Array) в каком-нибудь "языковом" файле? Если в базе, то наверное нужно будет всё равно в массив перегонять?


BIG BROTHER
само сабой, нет 100% защиты и нужна модерация, но я же не могу модерить постоянно online, вот и нужна какая-то элементарная защита пока модератор кушает пончики
Добавлено @ 11:07

я юзаю 5-ку

Из базы не сложно перегнать в массив и прогнать str_replace и заменять на что-то вроде [censored]

BIG BROTHER

Gold Dragon

Жизнь заставила сделать фильтр слов:
В текстовом файле записаны слова:
mate.txt

Делаю так:

Результат:

Получается, что он слово находит, но заменяет только первые три буквы.
Как исправить?  

PARROT, а откуда у тебя берётся $mas_com? 

Из базы. В базу пишется текст сообщения, в котором могут содержаться такие слова. 
Потом при выводе нужно все это заменить. 

А если так:
 

Mal Hack, ммм... а в файле ж слова разделенные переносом строк... 

Ах, ну да... Сорри, стормозил... Я бы тут альтернативной регуляркой прошолся бы. 

Mal Hack, да уж пробовали - regular expression too long  

Добавлено @ 16:59 
Предпологаю что на сервере все прекрасно заработает. У меня во всяком случае проблем не возникло. 

Надо бы вывести через print_r массив полученных слов и посмотреть. Вероятно он битый.. 

Странно, действительно на сервере все заработало: http://pk.traktora.spb.ru/index.php?page=comment&idp=98

(Меня Денвер начинает раздражать..., второй баг уже) 

Леди и мужики, ситуация следующая: замену в строках произвожу str_ireplace, НО это отказывается воспринимать верхний регистр кириллицы  Знаю, что дуб и решение простое 

хехе прошу прощения, забыл указать верную локаль 

Это сообщение отредактировал(а) Asbestos - 30.6.2006, 07:48

Народ, ещё раз про замену... Что-то код с регуляркой не работает.

$a = array ("aaa", "bbb", "ccc"); // что менять
$b = array ("111", "222", "333"); //yf что менять
$str = "aaa gaaa 1bbb bbb2 ccc qqq bbb! .aaa."; // где менять

в итоге не должны поменяться только "gaaa" и "qqq" 

А что ты хочешь сделать?
Покажи код. 

Mal Hack, я твой пытался запустить



Добавлено @ 17:14 

а так как я в регах ничего не понимаю, так и не разобрался... там явно не хватает $b 

А тут ты так не сделаешь. Тут надо через preg_replace_callback 

Mal Hack, ну тебе виднее, а через preg_replace_callback  как ?
просто через str_replace работает не так. он заменяет внутри слова 

Gold Dragon, поверь, я давно понял почему тебя str_replace не  устраивает )


 

совсем запутался  что-то не работает твой код

нужно этоменять на это


Mal Hack, зачем мне проверять слова на которые я меняю, ведь это мои слова замены, а не пользовательские?

зы
вот тестовая строка

 

Должно было работать и без функции replace ($str = preg_replace("/([^a-z])" . $a[ $i ] . "([^a-z])/is", "\\1" . $b[ $i ] . "\\2", $str);), соединяющей куски, но на двух серверах странное поведение было. 

Плохое решение. ЛУчше 1 раз пройтись большой регуляркой, чем много маленькими.
Хотя и не всегда.
Да и замудренно как-то это.
Плюс, модификатор e сильно кушает память и может вызвать неприятности.
Плюс, помним, что ьез установки локали RegEX не будет работать с кирилицей в паттерне.
 

не всегда, хотя в данном случае правда Ваша. preg_replace с модификатором e работает медленне replace_callback 
+ мы всегда будем проходить все n итерации (n-количество элементов в массиве для замены), что в худшем случае (ни одного вхождения искомого ключа в строку) все n раз заставит сработать preg_replace в холостую. В то время как большой прег выполнится только ОДИН раз, там выигрыши получаются от 2-х мс...

И [\s.-=;] все же не все элементы включены (таб, запятая, восклицательный знак, двоеточие и т.д.), класс [^А-Яа-яA-Za-z] все же лучше. 

P.S. при достижении 100 с меня +. 

Это сообщение отредактировал(а) GiV - 31.7.2006, 16:27

Наверное я слишком многое хочу   


Mal Hack, не все условия выполняются: замена происходит только если в начале стоит цифра, пробелы или точки, остальные не меняются... 

Т.е. ещё нужны условия: граничит с восклицательным знаком, когда слово идёт сначала, когда заканчивается на цифру (или скорее всего не на букву)

 

Причем далеко не всегда. И сильно зависит от многих факторов.
В свое время пришлось на этом деле @ схомячить.


Использование модификатора "e" очень частая ошибка многих пхпшников, которые наивно думают, что чем код короче, тем он быстрее 
"e"незаменим, когда надо в заменяющую функцию передать НЕСКОЛЬКО параметров, часть из которых не из карманов. При работе с BB кодами e незаменим. Там уж никак.







Тут есть два момента. Первый - кирилица. Бывает глюит, надо локаль включать обязательно через set_locate().
Второй момент, все-таки помнтся мне, что был квантофикатор \b или \B, \W тут не подойдет.

И еще. [^А-Яа-яA-Za-z] все-таки большое-колво символов, а перечислив спецсимволы, как это сделал я, мы по логике получим в паттерне меньшее число проверок при компиляции, т.е. как мне кажется, указать все нужные спецсиволы будет лучше. 

Границы слова. Они тоже зависят от локали, так как определение идет фактически на таких раздельных регулярках ^\w, \w$, \w\W, \W\w, а \w и \W включают различные наборы символов (коды символов не только до 128, но и больше)



Ну в детали внутренней работы PCRE не вникал, так что пытаться что-либо доказать не буду. Я там не был, врать не стану. Можно попробовать попрофилировать код разных регулярок на одном и том же тектовом наборе, хотя это все частные случаи. 

так.. вопрос опять всплыл, но сейчас чуть всё проще, нужно тупо заменять слова. Просто не хочу сильно вымудряться. В общем есть массив со словами

обработка простая

но как мне сделать чтоб слова сравнивались без учёта регистра, чтоб не писать

я пытался сделать


Что подскажите?



Это сообщение отредактировал(а) Gold Dragon - 24.4.2007, 12:38

О как??? А я и не знал....
А синтаксис у неё такой же?