PHP自定义敏感词过滤函数仅首个词生效原因排查

核心原因 #

你在处理第一个敏感词cat时，已经通过while(!feof($file))将words.txt的内容从头到尾读取完毕，此时文件指针会停在文件末尾。后续处理dog等其他词汇时，!feof($file)的判断结果直接为false，while循环完全不会执行，自然无法匹配到后续的敏感词。

其他隐藏问题 #

• 每次判断一个词汇都遍历读取一次文件的逻辑性能极低，敏感词数量多、输入文本长的情况下会严重拖慢执行速度
• 现有替换逻辑的下标计算存在偏移错误，处理末尾词汇时容易出现替换错位或者下标越界的问题
• 仅支持空格分隔的独立词汇匹配，敏感词和其他字符连用时无法识别，属于需求设计层面的限制，不属于本次bug的诱因

修复方案 #

如果不修改原有逻辑，仅解决本次匹配失效问题，只需要在while(!feof($file))前增加一行rewind($file)，将文件指针重置到文件开头即可，但该方案性能较差，仅适合临时验证问题。
更合理的优化写法是提前将所有敏感词读取到数组中，后续直接查询数组匹配即可：

<?php
function pfilter($text){
    $result = "";
    $word = "";
    $length = strlen($text);
    // 提前一次性读取所有敏感词存入数组
    $badWords = [];
    $file = fopen("words.txt", "r");
    while(!feof($file)){
        $line = trim(fgets($file));
        if(!empty($line)) $badWords[] = $line;
    }
    fclose($file);

    for($i = 0; $i < $length; $i++){
        $result .= $text[$i];
        if($text[$i] != ' ') $word .= $text[$i];

        if(($text[$i] == ' ' || $i == $length - 1) && $word != ' ' && !empty($word)){
            if(in_array($word, $badWords)){
                $wlength = strlen($word);
                $rlength = strlen($result);
                // 修正替换位置的偏移错误
                $offset = ($text[$i] == ' ') ? 2 : 1;
                for($j = 1; $j <= $wlength; $j++){
                    $result[$rlength - $j - ($offset - 1)] = '*';
                }
            }
            $word = '';
        }
    }
    return $result;
}

echo pfilter("cat dog meow bark");
?>

内容的提问来源于stack exchange，提问作者userx1234