许多人需要处理用户输入、搜索查询以及可能包含脏话或不良语言的情况。通常需要对此进行过滤。
在哪里可以找到各种语言和方言的好的脏话列表？
是否有可用于包含良好列表的源的API？或者是一个API，只需简单地说“是干净的”还是“是肮脏的”，并带有一些参数？
有哪些捕捉试图欺骗系统的人的好方法，例如 a$$、azz 或 a55 之类的词汇？
如果您提供PHP的解决方案，则可以获得额外的奖励分。 :)
我认为这种过滤器有其作用，例如当用户可以使用公共图像搜索来查找添加到敏感社区池中的图片时。如果他们可以搜索“阴茎”，那么他们很可能会得到许多图片，是的。如果我们不想要这样的图片，那么防止该词作为搜索词是一个好的看门人，尽管这并非绝对可靠的方法。首先获取单词列表才是真正的问题。
因此，我真正指的是找出单个标记是否肮脏，然后只需禁止它即可。我不会防止像“长颈鹿”这样的完全搞笑的情绪参考。在那里你无能为力。 :)
此外，人们不能忘记Toontown速聊未曾公开的历史，即使使用“安全词白名单”，一个14岁的孩子仍然可以很快地绕过它，用这种话说：“我想把我的长颈鹿塞进你的毛茸茸的小兔子里。”
底线：对于任何您要实现的系统来说，没有什么能代替人工审核（无论是同行审核还是其他方式）。请随意实施一个初步工具来处理驱动式的问题，但对于决心恶意操作者，您必须采用非算法方法。
引入问责制和取消匿名性的系统（例如Stack Overflow）也会有所帮助，特别是为了应对John Gabriel之礼物。
您还问到了在哪里可以获取脏话列表以供参考。一个开放源码项目是Dansguardian，请查看其默认脏话列表的源代码。另外还有一个第三方短语列表，您可以下载它作为代理的参考点。
针对问题编辑的编辑：感谢您澄清您正在尝试做什么。在这种情况下，如果您只是想做一个简单的词语过滤器，有两种方法可以做到。一种是创建一个包含所有禁止使用的短语的长正则表达式，并简单地进行正则表达式查找/替换。像这样的正则表达式：
$filterRegex = "(boogers|snot|poop|shucks|argh)"
使用preg_match()对输入字符串进行完整测试以查找匹配项，
或使用preg_replace()将其替换为空白。
您还可以使用数组加载这些函数，而不是单个长正则表达式，对于长单词列表，这可能更易管理。请参见preg_replace()中的一些示例，了解如何灵活使用数组。
有关其他PHP编程示例，请参见此页面：一个用于屏蔽单词、遮挡敏感词汇中心字母的高级通用类和这个之前的Stack Overflow问题，其中包括一个PHP示例（其中主要有价值的是基于SQL的过滤词方法--如果您认为不需要“leet-speak”补偿器，则可以放弃它）。
你还说：“首先得到单词列表才是真正的问题。”，除了之前的Dansgaurdian链接外，您可能会发现这个458个单词的.zip文件也很有帮助。
$filterRegex = '/\b(boogers|snot|poop|shucks|argh)\b/i'; 假设您不想阻止像 "it'snot my poop spelling, 'smy fat fingers" 这样的错别字。;) - Bob Davies虽然我知道这个问题相当老，但这是一个经常发生的问题...
过滤脏话有原因也有必要（参见维基百科条目），但由于上下文和准确性的不同，它们通常无法达到100%的准确性。
它取决于你想实现什么——在最基本的层面上，你可能正在尝试涵盖“七个脏字”以及其他一些内容...一些企业需要过滤最基本的脏话：基本的骂人话、URL或甚至个人信息等，但其他企业需要防止非法账户命名（例如 Xbox live）或更多内容...
用户生成的内容不仅包含潜在的脏话，还可能包含对以下内容的冒犯性引用：
而且可能使用多种语言。Shutterstock已经开发了10种语言的基础脏话列表，但这仍然是基础的，并且非常针对他们的“标签”需求。网上还有许多其他列表可用。
我同意被接受的答案，即这不是一门明确定义的科学，而语言是一个不断发展的挑战，但在这个领域，90%的捕获率总比0%好。它完全取决于你的目标——你想实现什么、你拥有的支持水平以及删除不同类型的亵渎性言论的重要程度。
在构建过滤器时，您需要考虑以下元素及其如何与您的项目相关：
您可以轻松构建一个过滤90%以上脏话的过滤器，但永远无法达到100%。这是不可能的。你越想接近100%，就越难...过去曾经构建过一种应对每天处理50万条实时消息的复杂亵渎引擎，我想提供以下建议：
基本过滤器将涉及：
适度复杂的过滤器将包括（除了基本过滤器）：
复杂的过滤器将涉及以下一些内容（除了适度过滤器）：
我不知道有任何好的库可以做到这一点，但无论你做什么，请确保你的错误方向是允许通过。我曾经遇到过一些系统不允许我将“mpassell”作为用户名，因为它包含“ass”子字符串。那样只会疏远用户！
一个粗话过滤系统永远不可能完美，即使程序员非常自信并且紧跟所有裸体相关的发展。
话虽如此，任何“淘气词汇”的列表都有可能与其他任何列表一样好用，因为根本问题是语言理解，这在当前技术下几乎是棘手的。
所以，唯一实际的解决方案是双重的：
防止冒犯性用户输入的唯一方法是防止所有用户输入。
如果您坚持允许用户输入并需要进行审核，则应引入人工审核员。