PHP 敏感詞過濾：黑名單關鍵字檢測與替換實戰

核心思路

將違禁詞彙存於陣列或文字檔，用戶提交內容時，以正則或字串搜尋進行攔截或替換。

方案一：簡易陣列匹配（適合少量關鍵字）

function check_content($data) {
    $keywords = '你是大神嗎|你好|去死';  // 以 | 分隔
    if (preg_match("/$keywords/i", $data)) {
        return false;  // 含敏感詞，拒絕
    }
    return $data;      // 通過
}

方案二：外部詞庫檔案 + 替換模式（適合大量詞彙）

words.txt 格式：

|賭博機|賣血|出售腎|出售器官|眼角膜

過濾類別：

class WordFilter {
    private $wordFile;
    private $pattern;

    public function __construct($file) {
        $this->wordFile = $file;
        $this->buildPattern();
    }

    private function buildPattern() {
        $content = file_get_contents($this->wordFile);
        if ($content === false) {
            throw new Exception('敏感詞檔案讀取失敗');
        }
        // 清理格式：移除數字編號、多餘分隔符
        $content = preg_replace("/[\d,\s\|]+/", '|', trim($content, '|'));
        $this->pattern = '/(' . $content . ')/i';
    }

    public function filter($str, $replacement = '***') {
        return preg_replace($this->pattern, $replacement, $str);
    }
}

// 使用範例
$filter = new WordFilter('./words.txt');
$content = "<a href='#'>我要賭博機買血</a>";
echo $filter->filter($content);  // 輸出：我要***買***

進階優化建議

• Trie 樹 / DFA 算法：百萬級詞庫、高併發場景下效能遠優於正則
• 分詞預處理：中文分詞後再匹配，減少誤殺（如「中國」含「國」字）
• 分級處理：一級詞彙直接攔截，二級詞彙替換，三級詞彙記錄審核
• 快取機制：編譯後的正則模式快取至 Redis/APCu，避免重複建構

效能對比參考