PHP 敏感詞過濾實戰：基於 strpos 的關鍵字檢測與陷阱排查

需求背景

網站內容多為用戶生成（UGC），為符合法規需預先過濾敏感關鍵字。本文示範使用 strpos() 實現關鍵字檢測，並詳述從檔案讀取關鍵字時遇到的「隱形空白字元」陷阱及解決方案。

核心思路

1. 將關鍵字存於文字檔（每行一個）
2. PHP 讀取檔案並轉為陣列
3. 遍歷陣列，逐一用 strpos() 檢測內容是否包含關鍵字

初版程式碼（含 Bug）

<?php
function keyWordCheck($content) {
    $content = trim($content);
    // 讀取關鍵字檔案
    $kw_content = @file_get_contents('keyWords.txt');
    $arr = explode("\n", $kw_content);

    for ($i = 0, $k = count($arr); $i < $k; $i++) {
        if ($arr[$i] === '') continue; // 跳過空行
        // 直接檢測，未處理換行符/空白
        if (strpos($content, $arr[$i]) !== false) {
            return $arr[$i]; // 回傳命中的關鍵字
        }
    }
    return false;
}
?>

Bug 現象與排查過程

• 現象：明明內容包含關鍵字，檢測卻總回傳「通過」
• 排查：
  • 編碼問題？將檔案存為 UTF-8 → 無效
  • 檔案讀取失敗？print_r() 顯示陣列正常 → 非讀取問題
  • 將關鍵字直接寫死在程式陣列中 → 檢測正常！

真相：隱形空白字元

從文字檔 explode("\n") 產生的陣列元素，往往殘留 \r（Windows 換行符）或前後空白。導致 strpos($content, "關鍵字\r") 永遠不匹配。

修正版：加上 trim() 淨化每個關鍵字

<?php
function keyWordCheck($content) {
    $content = trim($content);
    $kw_content = @file_get_contents('keyWords.txt');
    $arr = explode("\n", $kw_content);

    for ($i = 0, $k = count($arr); $i < $k; $i++) {
        if ($arr[$i] === '') continue;
        // 關鍵修正：trim() 移除首尾空白與換行符
        $keyword = trim($arr[$i]);
        if (strpos($content, $keyword) !== false) {
            return $keyword;
        }
    }
    return false;
}

// 使用範例
$content = '這裡是要發布的內容，含有關鍵字2';
$kw = keyWordCheck($content);
if ($kw) {
    echo '偵測到敏感詞：【' . $kw . '】';
} else {
    echo '恭喜！通過關鍵字檢測';
}
?>

效能與擴展建議

• 關鍵字量大時，建議改用 Trie 樹（字典樹） 或 Aho-Corasick 自動機 算法，單次掃描即可匹配所有關鍵字，時間複雜度 O(n)。
• 生產環境應將關鍵字快取於記憶體（Redis / APCu），避免每次請求讀取檔案。
• 需支援多語言、模糊匹配（如同音字、變體字）時，可引入分詞庫（如 jieba-php）配合正則擴展。