هذه أداة إشراف مفيدة، ولكن لديها دعم ضعيف للأحرف غير الإنجليزية، ووجود الأحرف غير الإنجليزية يمكن أن يؤثر حتى على اكتشاف اللغة الإنجليزية والأرقام. هنا، بأخذ كلمة الصينية المبسطة “测试” (اختبار) كمثال، تحتوي قائمة الكلمات المراقبة على ثلاثة عناصر: “测试” و “Test” و “123”. في الاختبار أدناه، لم تؤد أي من الأمثلة الثلاثة إلى تشغيل الكلمات المراقبة.
بحثت في الموقع ووجدت مشكلة أخرى مماثلة بخصوص الكلمات المحظورة: Censored words do not respect word boundaries in non-latin alphabet . يبدو أن هذه مشكلة شائعة في نظام مطابقة الكلمات المراقبة بأكمله؟
إعجابَين (2)
شكرًا على التقرير، سيتم إصلاح هذا بواسطة
main ← fix/watched-words-cjk-boundaries
opened 02:44PM - 16 Feb 26 UTC
Watched words failed to match in CJK (Chinese, Japanese, Korean) and other space… less scripts because word boundary detection relied on whitespace or non-word characters. Languages like Chinese don't use spaces between words, so "测试" inside "这是一个测试文本" was never matched.
Introduce a SPACELESS_SCRIPTS constant covering Han, Hiragana, Katakana, Hangul, Thai, Lao, Myanmar, Khmer, and Tibetan Unicode ranges. Update `match_word_regexp` for both Ruby and JS engines so that characters from these scripts are treated as word boundaries. This allows a CJK watched word to match when surrounded by other CJK characters, and a Latin watched word to match when adjacent to CJK text (e.g., "Test" in "我的Test很好"), while still preventing partial Latin matches (e.g., "Testing" does not match "Test").
Also fix the admin watched word testing modal to use `RegExp.exec()` with capture group extraction instead of `String.match()`, since the new boundary patterns include a leading consuming group.
Remove the outdated "non-chrome browsers do not support lookbehind" comment — all major browsers have supported lookbehind since 2023.
https://meta.discourse.org/t/71288
https://meta.discourse.org/t/396109
إعجابَين (2)
