pezd, huev и другие неблагозвучия

[ermouth]

Коллеги, у меня возникла необычная такая просьба.

Мы сейчас доделываем систему, в которой номера заказов – 4-символьные строки из цифр/букв. Коды эти отправляются клиенту, и нехорошо, если его заказ будет называться как-то ругательно.

В этой связи просьба накидать в комменты максимальное количество похожих на ругательства или сниженную лексику 4-символьных сочетаний, чтобы написать фильтр для генератора кодов.

Допустимые знаки – цифры и латиница (только строчные, без букв i l n q).

Comments

[juan-gandhi.livejournal.com]

Я не так давно аналогичную штуку делал, таг для логинга. Я просто не все буквы включил.

[ermouth.livejournal.com]

У меня в хозяйстве вот такая вот штука есть http://ermouth.livejournal.com/618514.html, вдруг вам пригодится.

[morfizm.livejournal.com]

Мне кажется, тут снаскоку не получится хорошо. Алгоритмически я бы подошёл так:
- взять словарь слэнга - как русского, так и английского,
- сгенерить все возможные 4-буквенные подстроки,
- взять несколько алгоритмов транслитерации, транслитериоровать русское всеми способами,
- сгенерировать варианты, фонетически похожие, по таблице похожести звучания.

По-моему, куда легче сделать что-то вроде такого:
- Взять цифры 2,3,4,5,9 (без 0,1,6,7,8 - чтобы не путалось с буквами).
- Сгенерить номер заказа, чередуя буквы и цифры, по таким паттернам: ББЦЦ, БЦБЦ, БЦЦБ, ЦББЦ, ЦБЦБ, ЦЦББ, БЦЦЦ, ЦБЦЦ, ЦЦБЦ, ЦЦЦБ, ЦЦЦЦ (т.е. букв не больше 2, все варианты). Если букв не больше двух, звучать будет заведомо хорошо.

[morfizm.livejournal.com]

Всего вариантов: 16900*6 + 3250*4 = 101400 + 13000 = 114400
Должно подойти, если заказов не более 10 тыс в год.

[ermouth.livejournal.com]

> тут снаскоку не получится хорошо

Тут на несколько часов внимательного выписывания, не знаю, наскок это или нет. Двухбуквенных комбинаций получается меньше 500, глаз в состоянии такой длины список кусочками обработать и без словаря слэнга. Похожесть с цифрами я в этом случае пропущу кста.

> Должно подойти, если заказов не более 10 тыс в год.

Больше, не подойдёт.

[ermouth.livejournal.com]

В результате у меня за 2 часа нарисовался регэксп длиной 588 знаков, который отбрасывает 1.78%.

[occam-aga.livejournal.com]

Что-то не дофига матершиников в коментах :)
Надо было таг Путин ставить.

Я у себя сделал чтобы в середине обязательно была цифра. Это, конечно, не дает 100% гарантии, но сильно снижает шансы.

Мат фильтровать недостаточно, вполне безобидные слова могут выглядеть вызывающе. Для меня тригерром подумать, стала бронь с номером 2AKYNA. Учитывая, что проект для Казахстана...

[morfizm.livejournal.com]

Выложи на веб страницу, потестим :)

[ermouth.livejournal.com]

Спасибо, я так думал. Цифра отъедает прилично из ёмкости, мне захотелось лучше )

[ermouth.livejournal.com]

не, что ты ) я такое не выкладываю.

[morfizm.livejournal.com]

Заимплементи на сервер-side, и сделай страницу для теста. Можешь даже rate limit, типа 1 QPS, to make sure, что никто не хакнет твой регексп перебором.

Но это позволит вручную потестировать варианты другим людям кроме тебя.

[morfizm.livejournal.com]

Кстати, а почему ты считаешь, что это лучше?

Если дело в запоминании - то мне как пользователю куда легче запомнить более длинное число (пусть 6 цифр), чем случайные 4 буквы алфавита. Та же фигня, если диктовать по телефону.

Плотные буквенные ID-шники хороши для short-link'ов, не задуманных как human-readable. Номер заказа же должен быть human-readable, должно быть трудно ошибиться, диктуя его по телефону, и т.п.

Я бы, наоборот, добавил бы избыточности для автокоррекции небольших ошибок. Скажем, если каждый валидный order id отличается от любого другого минимум в 3 позициях, то любая ошибка в одной позиции будет исправляма.

Ещё неплохая идея для ID-шников это нечто вроде correct horse battery staple (https://xkcd.com/936/). Конечно, нельзя, ибо слишком непривычно, но по сути может лучше подойти, чем плотный набор из 4 букв.

[ermouth.livejournal.com]

> Кстати, а почему ты считаешь, что это лучше?

Так сложилось )

[morfizm.livejournal.com]

Навскидку как-то так: *eb*, *hue*, *hui*, *huy*, *huj*, hooe, hooi, hooy, hooj, *ezd*, *izd*, *sra*, chmo, idi*, *pid*, pop*, fuc*, shi*, *@nt, bit*, mud*.

Можно ещё посочинять :)

@ = ровно одна буква, любая гласная.
* любое количество букв, включая 0.

[morfizm.livejournal.com]

*loh*, *luh

[morfizm.livejournal.com]

perd

[morfizm.livejournal.com]

bzd*

[theriodont.livejournal.com]

suk*, suc*, zhop, gand, gond, blja, blya, gavn, govn, zalu

[morfizm.livejournal.com]

Двухбуквенные могут быть хорошие, при этом трёх или четырёхбуквенные - нет. Кроме того, плохая трёхбуквенная комбинация может быть не обязательно вначале (так что смотреть на префиксы не даст тебе 100% сoverage).

[ermouth.livejournal.com]

l выброшена, это кста немеряно всякого отсеяло автоматом.

[ermouth.livejournal.com]

Я так и делал, только по списку )

[ermouth.livejournal.com]

Спасибо. Есчо l и n запрещены по условию задачи )

[morfizm.livejournal.com]

Я сначала не заметил, сорри. Makes sense.

[leiacat.livejournal.com]

Еще нужно избегать вариантов где цифры могут заменить буквы. sh1t, d1ck, p1ss. А уж f*ck избегать со всеми цифрами.

http://www.noswearing.com/fourletterwords.php

[ermouth.livejournal.com]

Спасибо.