如何在Python正则表达式敏感词检测中为屏蔽词添加例外规则

该需求完全可以通过正则实现，核心是利用负向零宽断言排除豁免场景，或者在替换回调中增加规则判断，以下是具体实现方案：

方案一：纯正则实现（适合规则简单固定的场景） #

通过在正则中添加负向零宽断言，直接把两类豁免场景排除在匹配结果之外，不需要修改替换逻辑：

1. 添加(?!(?-i:BAR)\b)断言：仅匹配全大写的BAR完整单词时触发，跳过该内容的匹配，(?-i:)是内联修饰符，保证该断言不受全局re.IGNORECASE的大小写忽略影响
2. 添加(?!foo(?=\s+good\b))断言：匹配到foo后紧跟空格加good完整短语时触发，跳过该内容的匹配

完整实现代码如下：

import re

profanity_list = ['foo', 'bar']
pattern_profanity = re.compile(
    r'\b(?!(?-i:BAR)\b)(?!foo(?=\s+good\b))({})\b'.format('|'.join(profanity_list)),
    flags=re.IGNORECASE
)
s = 'foo BAR foo good Bar'
censor_char = '*'
result = pattern_profanity.sub(repl=lambda m: censor_char*len(m.group(0)), string=s)
print(result)
# 输出结果：*** BAR foo good ***

方案二：替换回调加规则判断（适合规则多、后续需要频繁调整的场景） #

如果后续要新增更多豁免规则，全写在正则里会导致可读性变差，可以先匹配所有敏感词，在替换回调函数中判断是否属于豁免场景，属于则返回原内容，否则返回屏蔽字符：

import re

profanity_list = ['foo', 'bar']
pattern_profanity = re.compile(
    r'\b({})\b'.format('|'.join(profanity_list)),
    flags=re.IGNORECASE
)

def censor_replace(match):
    matched_str = match.group(0)
    # 豁免规则1：全大写的BAR
    if matched_str == 'BAR':
        return matched_str
    # 豁免规则2：foo 后面紧跟 good 的情况
    if matched_str.lower() == 'foo':
        end_pos = match.end()
        # 校验匹配结束位置后是否为空格加good
        if len(s) > end_pos and s[end_pos:].lstrip().startswith('good'):
            return matched_str
    # 非豁免场景返回屏蔽字符
    return '*' * len(matched_str)

s = 'foo BAR foo good Bar'
result = pattern_profanity.sub(repl=censor_replace, string=s)
print(result)
# 输出结果：*** BAR foo good ***

内容的提问来源于stack exchange，提问作者CX_Lin