如何仅将整个单词与 Aho corasick 匹配？

Question

我们的 ruby​​ on rails 应用程序使用 aho corasick gem 来查找任何给定文本是否包含任何预先列出的坏词（这些是在加载应用程序时从静态配置中挑选出来的）。

但是，使用它会产生一些误报。例如，如果我的配置中的坏词是“abc”，那么包含“habcd”的文本也会被标记，这不是本意。

所以，我尝试将配置词从“abc”更改为“abc”（在单词前后添加空格）。 但是，这有另一个缺点，即“abc is xyz”之类的文本将不会被标记，因为它应该是。所以，我还必须在我的配置中添加另外 2 个单词 - “abc”和“abc”，同样我需要在我的配置中添加“-abc”、“abc-”、“:abc”等，使配置相当大，因为除了 abc 之外还有很多这样的词。

所以，我在想是否可以在我的配置中输入某种正则表达式，例如 [",-" "]abc[",-" "] 以便涵盖所有上述情况并且没有会发现误报。

我们使用 gem 'aho_corasick', '0.1.0' 和 ruby​​ - 1.9.3 和 rails - 3.2.8

非常感谢任何帮助。提前致谢！！ :)

Answer 1

解决此问题的最简单方法是使用标准实现获取所有匹配项，然后删除第一个和最后一个字符前后没有单词分隔符的匹配项。在一般情况下，不会对性能造成重大影响，因为您的匹配项很少。