discord.py聊天过滤机器人如何实现大写检测与绕开内容拦截

核心实现思路 #

• 放弃“枚举所有违规变形形式”的传统逻辑，转向消息内容归一化：不管用户用大写混排、插空格、插特殊符号的方式绕开检测，先把收到的消息转成统一的小写、无干扰字符的标准形式，再用精简的标准违规词库做匹配，从根源上减少重复维护工作。

第一层：消息预处理归一化逻辑（解决大写、夹符绕过） #

具体实现步骤：

• 统一大小写变体匹配：收到原始消息后先做全小写转换，无论用户发全大写、大小写混排的违规词，转成小写后都能和标准违规词直接匹配，不需要单独在词表里存大写形式的违规词。
• 全角/不可见字符统一清洗：
  • 用unicodedata.normalize('NFKC', 原始内容)把全角字母、全角标点统一转成半角格式，解决用户用全角字符规避检测的问题
  • 用正则匹配并删除零宽空格、隐形控制符，避免用户插入不可见字符把违规词拆成无连续字符的状态
• 插入间隔的内容合并：针对用户在违规词中间插单个空格、单个特殊符号的绕过，用正则匹配两个字母之间长度在0-2的非字母短间隔，循环2-3次把间隔内容剥离，把拆分的词拼回完整形态，不需要枚举所有插符的写法。

  注意：这里的清洗范围严格限定在两个字母之间的短间隔，不要全局删除所有非字母字符，否则会把正常聊天的标点、语义全部打坏，增加误判概率。

第二层：轻量化匹配逻辑 #

• 违规词库只存标准小写形式的违规内容，不需要录入任何大写变体、插符变体的扩展词条，比如词表只需要存"badword"，不需要额外存"BADWORD"、"b a d w o r d"、"b*a*d*w*o*r*d" 这些条目。
• 针对高风险违规词，可以适当放宽间隔匹配的阈值（比如允许两个字母之间最多夹3个非字母字符），普通日常违规词用默认阈值（最多夹2个非字母字符），平衡检测率和误判率。

可直接复用的discord.py 示例代码 #

import re
import unicodedata
import discord
from discord.ext import commands

# 标准违规词库，仅存小写核心形式
BANNED_WORDS = {"badword", "示例违规词"}
# 匹配零宽隐形字符的正则
INVISIBLE_CHAR_PATTERN = re.compile(r'[\u200b-\u200d\ufeff\u2060]')
# 匹配两个字母之间的短间隔（最多夹2个非字母字符）
INTERLEAVE_PATTERN = re.compile(r'([a-z])[^a-z]{0,2}([a-z])')

def normalize_message(raw_content: str) -> str:
    # 全角转半角，统一字符格式
    content = unicodedata.normalize('NFKC', raw_content)
    # 转全小写，消除大小写变体
    content = content.lower()
    # 删除不可见零宽字符
    content = INVISIBLE_CHAR_PATTERN.sub('', content)
    # 循环合并字母间的短间隔
    for _ in range(3):
        content = INTERLEAVE_PATTERN.sub(r'\1\2', content)
    return content

intents = discord.Intents.default()
intents.message_content = True
bot = commands.Bot(command_prefix="!", intents=intents)

@bot.event
async def on_message(message):
    # 跳过机器人消息，避免循环触发
    if message.author.bot:
        return
    # 归一化处理收到的消息
    normalized_content = normalize_message(message.content)
    # 匹配是否命中违规词
    hit_banned_word = next(
        (word for word in BANNED_WORDS if word in normalized_content),
        None
    )
    if hit_banned_word:
        # 执行拦截动作：删除违规消息、发送临时提醒
        await message.delete()
        await message.channel.send(
            f"{message.author.mention} 请遵守频道发言规则，不要发送违规内容",
            delete_after=5
        )
    await bot.process_commands(message)

避坑提示 #

• 不要全局删除消息里的非字母字符：全局删符号会把正常语句里的词拼出意想不到的连续片段，增加误判概率；只在两个字母的短间隔位置做清洗，就能大幅降低这类问题。
• 不要颠倒预处理顺序：必须先做全角转半角、小写转换、不可见字符删除，最后再做间隔合并，顺序颠倒会导致很多变形内容漏检。
• 针对常见的同形字母替换（比如用西里尔字母的а代替拉丁字母的a），可以在归一化阶段加一个简单的字符映射表，把高频同形字符替换成对应的拉丁字母，不需要额外加复杂的检测规则。

内容的提问来源于stack exchange，提问作者TheSuperRobert