观看单词技巧

贡献 功能
1

在将大量被监控的词汇转换为正则表达式时，我发现了一些绕过过滤器的方法。这些方法对“普通”监控词汇和正则表达式均有效。

双空格：如果您的监控词汇是 forbidden word，那么通过在两个单词之间插入多个空格即可绕过。有趣的是，经过处理的帖子会自动移除双空格，因此在最终文本中完全不可见。

  • 使用正则表达式防止此问题：使用 forbidden\s*word
  • 不使用正则表达式防止此问题：我尚未找到解决方案。

使用下划线来绕过单词边界：
不使用正则表达式：如果将监控词汇用下划线包围，它将以斜体显示，并会被允许通过。因此，如果您的过滤器是 forbidden，那么 _forbidden_ 将被接受。
使用正则表达式：通常只有在您使用 \b 时才会检查单词边界，而下划线会使其失效。因此，如果您的过滤器是 \bforbidden\b，那么 _forbidden_ 将被接受。

  • 使用正则表达式防止此问题：使用 [\b\_] 替代 \b
    编辑：这似乎效果不佳。
    移除单词边界或许也有效，但这样可能会意外阻止像 cumulative 和 title 这样的词汇；)
  • 不使用正则表达式防止此问题：我尚未找到解决方案。
7 个赞
2

没错，这类问题我们通常不会花时间争论，因为总有各种“巧妙”的绕过文字黑名单的“技巧”。Unicode 是一个极其庞大的空间。

4 个赞
3

确实，我们之前在多个大型教育项目中尝试过这样做。

在该项目被搁置之前，他们上线了模糊匹配功能，这不可避免地给合法用例带来了各种问题。

3 个赞
4

受监控的词汇主要作为对抗不良词汇的“第一道防线”。你仍然需要社区来标记变通方法和违规行为。

无论你想出什么样的正则表达式，都无法检测到 image。

9 个赞
5

顺便提一下，[] 用于“字符类”。在 Perl 正则表达式中（可能 Ruby 也是如此），\b 在字符类之外表示“单词边界”，而在字符类之内则表示“退格”。在 C 语言中，\b 始终是退格（准确说是 ）。退格字符在大多数情况下并不实用，而单词边界则很有用，因此才有了这种重新定义。

若要使用正则表达式匹配“forbidden”或“forbidden”，我可能会使用：

\b_?forbidden_?\b

（我也知道如何将我的所有字母进行 &#xXXXX; 编码，以避免 Unicode 陷阱或正则表达式问题。）

3 个赞
6

我从未意识到根据上下文会有这样的区别。感谢你的解释！:slight_smile:

2 个赞