PHP 敏感詞過濾：strtr 與正則兩種實現方案對比

前言

內容安全是 UGC（用戶生成內容）系統的核心需求。PHP 提供了多種字符串替換與匹配手段，本文對比 陣列映射替換（strtr） 與 正則表達式（preg_match/preg_replace） 兩種主流方案，幫助你根據業務場景選型。

方案一：strtr + 陣列映射（適合精確詞替換）

<?php
// 敏感詞庫
$badword = array('張三', '張三豐', '張三豐田');

// 構建「敏感詞 => 替換字符」映射表
$badword_map = array_combine($badword, array_fill(0, count($badword), '*'));

// 待檢測文本
$text = '我今天開著張三豐田上班';

// 執行替換（最長優先匹配）
$filtered = strtr($text, $badword_map);

echo $filtered; // 輸出：我今天開著***上班
?>

優點

• 代碼簡潔，無需正則知識。
• strtr 內部優化，對長字符串、大量關鍵詞性能優於 str_replace。
• 自動處理「最長優先匹配」（如「張三豐田」優於「張三」），避免嵌套詞污染。

缺點

• 僅支援「精確詞 → 單字符」映射，無法實現「替換為等長星號」或「保留首尾字符」等複雜邏輯。
• 無法處理變體、模糊匹配（如「张三」、「張 三」）。

方案二：正則表達式（適合模糊匹配、複雜替換）

<?php
$blacklist = array('中國', '日本');

// 構建正則：/中國|日本/i （i 忽略大小寫）
$pattern = '/' . implode('|', $blacklist) . '/i';

$str = '中國是一個很好的國家';

// 檢測是否包含敏感詞
if (preg_match($pattern, $str, $matches)) {
    echo "發現敏感詞：" . $matches[0]; // 輸出：中國
} else {
    echo "未發現";
}

// 替換為等長星號（進階）
$replaced = preg_replace_callback($pattern, function($m) {
    return str_repeat('*', mb_strlen($m[0]));
}, $str);
echo $replaced; // ***是一個很好的國家
?>

優點

• 支援模糊、邊界、大小寫不敏感等複雜規則。
• 配合 preg_replace_callback 可實現動態替換邏輯（如等長遮罩、記錄日誌）。

缺點

• 關鍵詞含特殊字符（如 . * + ? | ( ) [ ] { }）需 preg_quote 轉義。
• 超大詞庫（萬級以上）編譯正則耗時，建議改用 AC 自動機（如 php-aho-corasick 擴展）。

選型建議

最佳實踐提示

1. 敏感詞庫建議存放於 Redis/資料庫，定期熱更新，避免代碼硬編碼。
2. 前端攔截 + 後端二次過濾，雙重保障。
3. 記錄命中日誌（用戶、IP、原文、命中詞），便於審計與模型優化。