Kotlin 检查字符串中的单词

Question

我有一个 NSFW 类，可以根据已知 NSFW 单词列表扫描项目名称和描述等文本。

这将是测试字符串列表的最佳方法

    let nsfw = listof(
    "badword",
    "curseword",
    "ass",
    ... 200+ more
    )

针对如下字符串：

This is the text that contains a badword // returns true

请注意，我需要检查完整的单词。不是单词的一部分。

所以那句话：

The grass is grean // returns false

因为草不是一个坏词。

我尝试过类似的方法，但它不检查完整的单词。

        val result =  nsfw.filter { it in sentence.toLowerCase() }

Answer 1

你可以构建一个像

这样的正则表达式

\b(?:word1|word2|word3...)\b

见the regex demo。然后，将它与Regex.containsMatchIn method 一起使用：

val nsfw = listOf(
    "badword",
    "curseword",
    "ass"
)
val s1 = "This is the text that contains a badword"
val s2 = "The grass is grean"
val rx = Regex("\\b(?:${nsfw.joinToString(separator="|")})\\b")
println(rx.containsMatchIn(s1)) // => true
println(rx.containsMatchIn(s2)) // => false

见this Kotlin demo。

在这里，nsfw.joinToString(separator="|") 用管道（交替运算符）连接单词，"\\b(?:${nsfw.joinToString(separator="|")})\\b" 创建正确的正则表达式。

如果您的单词可能包含特殊的正则表达式元字符，例如+、?、(、) 等，则需要使用Regex.escape method“预处理”nsfw 值：

val rx = Regex("\\b(?:${nsfw.map{Regex.escape(it)}.joinToString("|")})\\b")
                            ^^^^^^^^^^^^^^^^^^^^^^     

见the Kotlin demo。

还有一件事：如果关键字可能以字母、数字和下划线以外的字符开头/结尾，则不能依赖\b 字边界。你可以

• 使用空白边界：val rx = Regex("(?<!\\S)(?:${nsfw.map{Regex.escape(it)}.joinToString("|")})(?!\\S)")
• 使用明确的单词边界：val rx = Regex("(?<!\\w)(?:${nsfw.map{Regex.escape(it)}.joinToString("|")})(?!\\w)")

Answer 2

您可以在要检查的字符串上使用split()，并使用空格作为分隔符，这样您就可以创建一个单词列表，尽管这并不总是保证所有单词都会被成功提取，因为可以存在其他单词分隔符，例如点或逗号等。如果适合您，请执行以下操作：

val nsfw = listOf(
    "badword",
    "curseword",
    "ass"
)

val str = "This is the text that contains a badword"
val words = str.toLowerCase().split("\\s+".toRegex())
val containsBadWords = words.firstOrNull { it in nsfw } != null
println(containsBadWords)

将打印

true

如果你想要一个“坏话”的列表：

val badWords = words.filter { it in nsfw }