正则表达式从句子中删除列入黑名单的单词答案

【问题标题】：Regex to remove blacklisted words from a sentence正则表达式从句子中删除列入黑名单的单词
【发布时间】：2011-11-04 17:01:56
【问题描述】：

如何使用正则表达式过滤掉列入黑名单（淫秽）字词的列表，例如如果黑名单中的单词类似于“Bill Joseph”

 Then 'I am Bill Josephine' is valid
    but 'I am Bill Joseph.' is invalid
        'I am Bill Joseph,' is invalid
        'I am Bill Joseph ' invalid
        'I am Bill Joseph<any non alphanumeric>' is invalid.

    Similarly 'I am .Bill Joseph' is invalid
              'I am <any non alphanumeric>Bill Joseph' is invalid.

【问题讨论】：

'I am Bill Josephine' 有效，但 'I am Bill Josephine' 无效....O_o
如果 Bill Joseph 应该是列入黑名单的词，那么为什么它们中的任何一个都是有效的？似乎您更多的是询问如何使用正则表达式来确保字符串是单词
哦，抱歉，我在发布问题时犯了一个错误。我现在已经改正了。
我想我只是看不出黑名单字 (bill joseph) 与示例有什么关系
阅读：Obscenity Filters: Bad Idea, or Incredibly Intercoursing Bad Idea? Jeff Atwood

标签： java regex oracle

【解决方案1】：

简单，而且可行：

String badStrRegex = "\\WBill Joseph\\W?";
Pattern pattern = Pattern.compile(badStrRegex);
Matcher m = pattern.matcher(testStr);  //testStr is your string under test
boolean isBad = m.find();

有效！！已针对您的所有输入进行了测试。

【讨论】：

【解决方案2】：

使用字母数字字符类的否定：

"[^A-Za-z0-9]比尔约瑟夫[^A-Za-z0-9]"

使用“\W”代替“[^A-Za-z0-9]”在大多数情况下都可以使用，除非在名称之前/之后有下划线。所以“Bill Joseph_”仍然会被视为有效。

【讨论】：

【解决方案3】：

确保单词被单词边界".*\\b" + badWord + "\\b.*"包围

【讨论】：

不，他希望任何一方将“Bill Joseph”与非字母数字相匹配。