Как лучше?

[ermouth]

Напряжённо думаю над приличествующим историческому моменту алертом фильтра мата. Сейчас же нельзя матом то у нас, ога.

Мелькнула даже мысль сделать пачку алертов и рандомно выбирать. Как-то так вот, например:

Comments

[juan-gandhi.livejournal.com]

Первым патриархом был Хуй Нэн, а вторым - Хуй Кэ. Потом эту традицию похерили.

Ну и т.д. В гугле где-то есть файл с матерными словами всех языков, для типа фильтрации. Не знаю, почему я его не бекапнул.

[ermouth.livejournal.com]

Словарь – это очень много, чтобы тащить на клиент. Его можно в DFA переделать, но всё равно много и плохо работает. То-есть бля оно словит, а вот 6ля уже нет, или x y й латиницей набранный с пробелами.

У меня сделано только для русского, но с учётом изобретательности всяких неуравновешенных. На несколько сотен байт регэксп ловит почти всё в разных транслитерациях, с очень редкими ложноположительными срабатываниями (типа хлебать), которые я предварительно вырезаю. И вот эти немногочисленные исключения я и храню словарём.

В который я и добавлю этих патриархов )

[morfizm.livejournal.com]

Лучше, конечно, предлагать перевод.
Словом ерунда можно почти всё заменять:

Хуерга какая-то => Ерунда какая-то.
Дебилы, бля => Глупые люди, вот.
...это была страшная поебень... => ...это была страшная ерунда...

[ermouth.livejournal.com]

Это значительно сложнее, потому что надо а) точно локализовать лексемы, б) делать разбор их морфологии, что сразу пахнет разбором предложения. Дофига движухи и чуть менее чем всегда мёртвого кода/данных.

[morfizm.livejournal.com]

Новая идея.

Сделай словарик эфемизмов, и как только твой регексп ловит мат, ищи его тем же регекспом в словарике (он всегда должен найтись, а если нет - это похоже на материал для дебага, шли лог разработчикам). Потом показываешь контекстный кусок из словарика (скажем 3 строки, +1 сверху и +1 снизу), выделяя жёлтым матное слово, с кнопками, чтобы развернуть весь словарик целиком.

[archaicos.livejournal.com]

Задача для храбрых. :)

[ermouth.livejournal.com]

> он всегда должен найтись

Так не получится, я же не слова ищу, см выше коммент для juan_gandi.

> выделяя жёлтым матное слово

Для этого всё равно надо точно локализовать лексемы. Мат может быть не одним словом (содержать пробелы внутри).