要完成“天天操天天干天天日”这类关键词的过滤，建议采用“词表整理—文本标准化—多级匹配—结果处置—持续测试”的流程。不要只把完整字符串加入黑名单，还要处理空格、标点、大小写、全角字符、同音替换和拆分输入，才能识别常见变形，同时降低误拦截率。

一、先明确过滤对象和处理结果

开始配置前，先确定关键词出现的位置，以及命中后要执行的动作。标题、昵称、评论、私信、搜索框和文件名的内容属性不同，不宜全部采用同一条规则。可以先建立一张规则表，把关键词等级、应用场景和处置方式写清楚。

这样做的好处是，过滤系统不仅能回答“是否命中”，还可以决定“在哪里命中、为什么处理以及下一步怎么处理”。

二、整理完整词表和常见变形

词表至少分为三层：原始词、标准化词和变形词。原始词保留用户实际输入的形式；标准化词用于程序匹配；变形词则收录用户可能使用的拆分、替换或绕过写法。

• 完整形式：加入目标短语本身，作为最高优先级规则。
• 空格变形：识别词语之间插入普通空格、连续空格或制表符的情况。
• 标点变形：处理逗号、句号、下划线、短横线和特殊符号等分隔方式。
• 字符变形：覆盖全角与半角字符、大小写差异、繁简转换以及常见的相似字符。
• 重复变形：识别连续重复、间隔重复或刻意拉长字符的写法。
• 编码变形：如果内容来自网址参数、表单或接口，还要检查经过编码后的文本。

词表不宜只维护一份黑名单。建议增加“规则编号、关键词类别、匹配等级、适用场景、处理动作、更新时间”等字段。这样修改某一类规则时，不会影响整个过滤系统，也方便定位误拦截原因。

三、在匹配前统一处理文本

关键词过滤最容易失效的地方，是输入文本看起来相似，但底层字符并不相同。因此，匹配前应先建立统一的文本标准化流程。原文要保留，用于页面提示和审核记录；标准化文本单独生成，用于识别。

1. 统一字符编码，清理不可见字符和无意义的控制字符。
2. 将全角字母、数字和符号转换为统一形式，并统一英文字母大小写。
3. 按规则处理连续空格、换行、制表符和零宽字符。
4. 将可明确对应的繁简字符转换为同一匹配形式。
5. 根据业务需要生成一份“去除部分分隔符”的辅助文本。
6. 分别保留原文位置与标准化后的字符位置，便于准确标记命中区域。

不要直接删除所有标点后再判断。更稳妥的方式是同时保留两份文本：一份用于严格匹配，另一份用于识别插入分隔符的变形。这样既能发现绕过写法，也不会让审核人员无法还原用户的原始输入。

四、采用分层匹配，而不是单一包含判断

对于少量词条，可以使用完整字符串匹配；词表数量增加后，建议使用字典树或多模式匹配算法。无论采用哪种技术，都应按“完整词组优先、变形词其次、单字片段最后”的顺序处理。

• 第一层：精确匹配。判断标准化文本中是否出现完整目标词组，适合直接拦截明确内容。
• 第二层：连续序列匹配。识别目标字符之间插入空格、标点或其他分隔符的写法。
• 第三层：组合匹配。当多个短片段在较短范围内按特定顺序同时出现时，提高命中分数。
• 第四层：上下文判断。结合字段类型、前后文字、用户输入目的和历史处理结果决定最终动作。

匹配时应优先返回最长命中结果。例如一段文字同时包含短片段和完整词组，应记录完整词组，避免系统生成大量重复提示。对于搜索框、用户名和公开标题，可以设置更严格的规则；对于长篇文章或人工审核区，则可以先标记重点位置，再交给后续流程处理。

五、为命中结果设置清晰动作

过滤不等于一律删除。建议将结果分为“直接阻止、替换后提交、进入审核、允许通过”四种动作，并给用户提供统一、简短的提示。提示内容只需要说明“包含不符合当前规则的词语，请修改后再提交”，不必展示完整黑名单。

如果系统支持自动替换，可以只对公开展示内容做脱敏处理，同时保留后台原文。对于需要审计、申诉或人工复核的场景，不能只保存替换后的结果，否则后续难以判断究竟是哪条规则被触发。

六、用测试样本验证规则是否有效

上线前至少准备四类测试数据：标准命中样本、插入空格或符号的变形样本、与目标词相似但实际无关的正常样本，以及混合长文本样本。每次调整词表后重新测试，避免新增规则覆盖正常内容。

1. 检查完整关键词是否稳定命中。
2. 检查不同空格、标点和全角字符是否按预期处理。
3. 检查换行、零宽字符和复制粘贴内容是否能被统一识别。
4. 检查正常词语、专有名词和合法文本是否被误拦截。
5. 检查前端提示、后端拦截和审核记录是否使用同一规则版本。

测试结果可以记录为命中率、误报率和漏报样本。发现误报时，不要简单删除整条规则，可以优先缩小匹配范围、提高上下文要求，或把该场景从“直接阻止”调整为“人工审核”。发现漏报时，则补充对应的标准化形式和变形样本。

推荐的实际处理链路

一个可直接落地的流程是：接收原始文本后先保存原文，随后执行字符统一、空白处理和分隔符识别；再按照精确词组、变形词组、组合规则和上下文依次匹配；最后根据命中等级执行阻止、替换、审核或放行，并记录规则版本与命中位置。

按照这套方法配置后，“天天操天天干天天日”及其常见变形可以被统一识别，明确命中时能够快速阻止，只有片段相似的内容则交给上下文判断。最终效果不是单纯扩大黑名单，而是让词表、匹配逻辑和处置动作彼此对应，形成稳定、可维护的关键词过滤规则。