python - 用符号序列替换字符串中的关键字

Question

作为练习，我必须创建一个简单的脏话过滤器才能了解类(class)。

过滤器使用攻击性关键字列表和替换模板进行初始化。任何出现的这些单词都应该替换为从模板生成的字符串。如果字长比模板短，则应使用从头开始的子字符串，对于较长的字长，应根据需要重复模板。

以下是我迄今为止的结果，并附有示例。

class ProfanityFilter:

    def __init__(self, keywords, template):
        self.__keywords = sorted(keywords, key=len, reverse=True)
        self.__template = template

    def filter(self, msg):

        def __replace_letters__(old_word, replace_str):
            replaced_word = ""
            old_index = 0
            replace_index = 0
            while old_index <= len(old_word):
                if replace_index == len(replace_str):
                    replace_index = 0
                else:
                    replaced_word += replace_str[replace_index]
                    replace_index += 1

                old_index += 1

            return replaced_word

        for keyword in self.__keywords:
            idx = 0
            while idx < len(msg):
                index_l = msg.lower().find(keyword.lower(), idx)
                if index_l == -1:
                    break
                msg = msg[:index_l] + __replace_letters__(keyword, self.__template) + msg[index_l + len(keyword):]
                idx = index_l + len(keyword)

        return msg


f = ProfanityFilter(["duck", "shot", "batch", "mastard"], "?#$")
offensive_msg = "this mastard shot my duck"
clean_msg = f.filter(offensive_msg)
print(clean_msg)  # should be: "this ?#$?#$? ?#$? my ?#$?"

示例应打印:

this ?#$?#$? ?#$? my ?#$?

但它打印:

this ?#$?#$ ?#$? my ?#$?

出于某种原因，它用 6 个符号而不是 7 个符号(每个字母一个)替换了单词“mastard”。它适用于其他关键字，为什么不适用于这个？

---

此外，如果您发现任何其他问题，请随时告诉我。请记住，我是一个初学者，我的“工具箱”很小。

Answer 1

您的问题出在索引逻辑中。你有两个错误

1. 每次到达替换字符串的末尾时，都会跳过脏话中的一个字母:

       while old_index <= len(old_word):
           if replace_index == len(replace_str):
               replace_index = 0
               # You don't replace a letter; you just reset the new index, but ...
           else:
               replaced_word += replace_str[replace_index]
               replace_index += 1
   
           old_index += 1     # ... but you still advance the old index.
   

您没有注意到这一点的原因是您有一个第二个错误:您从 0 到 len(old_word) 运行 old_index，即 1 >比你开始时更有个性。对于规范的四字母单词(或 5 或 6 个字符的单词)，这两个错误相互抵消。你没有看到这个是因为你没有进行足够的测试。例如，使用:

f = ProfanityFilter(["StackOverflow", "PC"], "?#$")
offensive_msg = "StackOverflow on PC rulez!"
clean_msg = f.filter(offensive_msg)

输出:

?#$?#$?#$?# on ?#$ rulez!

输入的单词为13个和2个字母；替代者为 11 和 3。

修复这两个错误:使 old_index 保持在范围内，并且仅在进行替换时才增加它。

        while old_index < len(old_word):
            if replace_index == len(replace_str):
                replace_index = 0
            else:
                replaced_word += replace_str[replace_index]
                replace_index += 1
                old_index += 1

---

future 的改进:

• 将其重构为 for 循环。
• 不要重置你的replace_index；事实上，摆脱它。只需使用 old_index % len(replace_str)。