带有特殊字符的坏话过滤器

Question

我正在使用https://www.npmjs.com/package/bad-words我为过滤特殊字符创建了正则表达式。

const Filter = require('bad-words');
const badWordsFilter = new Filter({replaceRegex:  /[A-Za-z0-9öÖÇ窺ĞğİıÜü_]/g});
badWordsFilter.addWords(['badword', 'şğ'])

如果单词不包含土耳其语字符，它可以工作。但是如果我写土耳其语字符，如或，这不是过滤。

我的正则表达式错了吗？

我在文档中发现了以下代码：

var filter = new Filter({ regex: /\*|\.|$/gi });
var filter = new Filter({ replaceRegex:  /[A-Za-z0-9가-힣_]/g }); 
//multilingual support for word filtering

Answer 1

您需要将u标志添加到正则表达式中，使其能够识别Unicode。更准确地说，将/[A-Za-z0-9öŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠŠ。不过，这只适用于现代浏览器（基本上，除了Internet Explorer以外的所有浏览器）。还有其他选择，您可能需要考虑是否支持旧浏览器。

Answer 2

请您尝试一下：

var filter=newfilter（{replaceRegex:/（\w）/gi}）

当然，您必须使用replace eRegex选项。

该模式与所有情况都不完全匹配。

以下是/（\w）/gi的描述性功能（感谢regex101）：

1. 第一捕获组（\w）。
   1. \w匹配任意单词字符（等于[a-zA-Z0-9_]）
   2. 量词-一次和无限次之间的匹配，尽可能多的次数，根据需要回报（贪婪）
   1. i修饰语：不敏感。大小写不敏感匹配（忽略[a-zA-Z]的大小写）
   2. g修饰符：全局。所有比赛（第一场比赛后不返回）

Answer 3

你显然有一个编码问题，因为你的正则表达式在你的应用程序中工作，请参见这里：https://regex101.com/r/VpItfH/3/.

因此，我认为在应用程序的正则表达式中编码字符可能会有所帮助：

在这里查看编码的正则表达式结果：https://regex101.com/r/VpItfH/4/

更多细节

在PCRE正则表达式引擎中尝试以下编码正则表达式将起作用(https://regex101.com/r/VpItfH/5):

/[A-Za-z0-9\x{f6}\x{d6}\x{c7}\x{e7}\x{15e}\x{15f}\x{11e}\x{11f}\x{130}\x{131}\x{dc}\x{fc}_]/g

但是当选择javascript regex引擎时，{，}会破坏Unicode，所以您需要删除它们，如果无法识别字符，请将\x替换为\u0。例如\x{15e}变为\u015e

然后，您可以使用/[A-Za-z0-9öÖ窺ĞĞİıÜÜ]/g进行相同的匹配。

注意：要获取字符的unicode格式，可以执行“Ğ”。charCodeAt（0）。toString（16）并在其前面加上\x或\u0。

希望这能有所帮助，至少承认您可以在正则表达式中编码字符，并且仍然匹配相同的字符。：）