谈谈内容优化中的敏感词过滤问题

为了维稳和方便管理，国内几乎所有的网站、论坛都会进行了关于敏感词的设定。所以不管是我们是做软文推广还是发视频，都会特别注意敏感词，以防文章或者帖子不能发表，或者发表后自动删除，甚至被封号。因此，做SEO也不能忽略敏感词过滤。SEO优化有哪些违规词？有哪些过滤技术和技巧是本文要讲述的重点。

一、SEO优化中的敏感词

首先是，违反国家规定的词。比如设计游戏类、灰色产业类、封建迷信等等。举个前段时间的一个段子，某个记者写了篇文字，里面引用顾城的“黑夜总会过去，光明才是永恒”引发了过滤机制，“究竟哪个词触发的，是黑夜还是光明？”记者愤怒地质问，最后答复——是黑后面的三个字...

然后是，百度打击的行业，医疗、金融、交友（分性质）等；

当然，还有些百度会收录，但是难以获得好的排名的词汇，比如政治，除此以外还有价钱、交易等等，所以，你知道为什么企业网站权重不好提升了吧？

二、敏感词过滤的方法

这里，列几个通过程序代码实现敏感词过滤的办法，只是简单介绍，具体代码还需要各位自己查找。

1、replace过滤

当一串字符串中有可能会出现的敏感词时，我们直接使用相应的replace方法用*替换出敏感词即可。

2、正则表达式过滤

使用“|”来分割多个敏感词进行匹配，类似re.sub("|".join(keywords), "***", text)

3、利用DFA过滤算法

即Deterministic Finite Automaton算法，它的基本思想是基于状态转移来检索违规词，它是比较常用的过滤手段。

4、AC自动机

就是在tire树（又称前缀树，字典树）的基础上,增加一个fail指针,如果当前点匹配失败,则将指针转移到fail指针指向的地方,一路匹配下去。

如果，各位不熟悉代码，可以采用人工审核的办法，然后将敏感词被字母缩写，或者被读音相近的字、或者星号(*)或叉号(X)等符号替代。

最后，笔者搜到一个百度违规词检测工具，如果有需要的话可以留言SEO违规词检测工具。