]> scm.dxcluster.org Git - spider.git/commitdiff
The new BadWord, all regex, system
authorDirk Koopman <djk@tobit.co.uk>
Wed, 23 Nov 2022 13:47:18 +0000 (13:47 +0000)
committerDirk Koopman <djk@tobit.co.uk>
Wed, 23 Nov 2022 13:47:18 +0000 (13:47 +0000)
Changes
cmd/Aliases
cmd/Commands_en.hlp
cmd/set/badword.pl
cmd/show/badword.pl
cmd/unset/badword.pl
data/badword.new.issue [new file with mode: 0644]
perl/BadWords.pm
perl/Editable.pm
perl/cluster.pl

diff --git a/Changes b/Changes
index 0c941419066c644cb0cc5562c062da3464437f8e..0cf34afc2a007a9c8aa1528315252f2ad09c016d 100644 (file)
--- a/Changes
+++ b/Changes
@@ -1,3 +1,13 @@
+23Nov22=======================================================================
+1. The BadWord system has been rewritten. This change is pretty radical and
+   needs to be used with care as a word that is entered will be reduced to the
+   minimum sized string needed to match that word. 
+
+   This is effective a sysop command changeable version of the file badw_regex
+   but in a much more sysop friendly form. The (un)set/badword <word>...
+   commands now update the /spider/local_data/badword.new file in real time
+   without having to mess about with editing files and running load/badword.
+   load/badword still works, but you should now never need it.  
 19Nov22=======================================================================
 1. "Fix" Badword detection in spots and announces etc. 
    NOTE: setting $DXCommandmode::maxbadcount to 0 (default 3) will disable
index 246e8ab74e553d036c72157587c149b9d03456d6..2461854b85f38f0a5d7b28a70b95f125826dd109 100644 (file)
@@ -31,6 +31,7 @@ package CmdAlias;
                                  '^ann?o?u?n?c?e?/full', 'announce full', 'announce', 
                                  '^ann?o?u?n?c?e?/sysop', 'announce sysop', 'announce',
                                  '^ann?o?u?n?c?e?/(.*)$', 'announce $1', 'announce',
+                                 '^add/badwo?r?d?$', 'set/badword $1', 'set/badword',
                                 ],
                  'b' => [
                                  '^b$', 'bye', 'bye',
@@ -40,6 +41,7 @@ package CmdAlias;
                                  '^cre?a?t?e?$', 'apropos create', 'apropos',
                                 ],
                  'd' => [
+                                 '^dele?t?e?/badwo?r?d?$', 'unset/badword $1', 'unset/badword',
                                  '^dele?t?e?/fu', 'kill full', 'kill',
                                  '^dele?t?e?$', 'kill', 'kill',
                                  '^dir?e?c?t?o?r?y?/a\w*', 'directory all', 'directory',
index ac67b14f81f6b093482e770a66d19416f354e2c5..7f5f3dbb825691e00d3ef011b6e3ec492b64828b 100644 (file)
@@ -1641,22 +1641,39 @@ Use with extreme care. This command may well be superceded by FILTERing.
 This command will also stop TALK and ANNOUNCE/FULL from any user marked
 as a BADSPOTTER.
 
-=== 6^SET/BADWORD <word>..^Stop things with this word being propagated
-=== 6^UNSET/BADWORD <word>..^Propagate things with this word again
+=== 6^SET/BADWORD <word>..^Stop things like this word being propagated
 Setting a word as a 'badword' will prevent things like spots,
 announces or talks with this word in the the text part from going any
 further. They will not be displayed and they will not be sent onto
 other nodes.
 
-The word must be written in full, no wild cards are allowed eg:-
+This has changed its meaning from the master release. All words entered
+are reduced to the minimum regex that will match words starting like
+this one:
+
+  set/badword annihilate
+
+will stop anything that starts with these words in the text 
+like this:
+
+  annihilate annihilated
+
+but it will also stop things like this:
 
-  set/badword annihilate annihilated annihilation 
+  anihilate annni11ihhh ii lllattt eee ddd
 
-will stop anything with these words in the text.
+A few common 'leet' substitutions are automatically matched:
 
-  unset/badword annihilated
+  b0ll0cks bo0lll0ccckks fr1iig
 
-will allow text with this word again.
+and so on
+
+=== 6^UNSET/BADWORD <word>..^Propagate things like this word again
+This is the opposite of set/badword <word>
+
+  unset/badword fred
+  
+will allow text with this word again (if it has been set as a bad word.
 
 === 0^SET/BEEP^Add a beep to DX and other messages on your terminal
 === 0^UNSET/BEEP^Stop beeps for DX and other messages on your terminal
index 2879388f4f921aa1574d78ae88545ef1b37b4282..751e4d44624103f1cf194c67f174f35c6449b424 100644 (file)
@@ -9,6 +9,23 @@ my ($self, $line) = @_;
 return (1, $self->msg('e5')) if $self->remotecmd;
 # are we permitted?
 return (1, $self->msg('e5')) if $self->priv < 6;
-$line = join(' ', map {s|[/-]\d+$||; $_} split(/\s+/, $line));
-return $BadWords::badword->set(8, $self->msg('e6'), $self, $line);
-
+my @words = split /\s+/, uc $line;
+my @out;
+my $count = 0;
+foreach my $w (@words) {
+       my @in;
+       
+       if (@in = BadWords::check($w)) {
+               push @out, "BadWord $w already matched by '$in[0]', ignored";
+       } else {
+               @in = BadWords::add_regex($w);
+               push @out, "BadWord $w added as '$in[0]'";
+               $count++;
+       }
+}
+if ($count) {
+       BadWords::generate_regex();
+       BadWords::put();
+}
+return (1, @out);
+               
index a8ef5c571508cbc9bccbeeea50d149a473b24294..947f70a4dd78e87d7758beef62ee516c9bcec86f 100644 (file)
@@ -9,5 +9,30 @@ my ($self, $line) = @_;
 return (1, $self->msg('e5')) if $self->remotecmd;
 # are we permitted?
 return (1, $self->msg('e5')) if $self->priv < 6;
-return $BadWords::badword->show(1, $self);
+my @out;
+my @l;
+my $count = 0;
+
+if ($line =~ /^\s*full/i) {
+       foreach my $w (BadWords::list_regex(1)) {
+               ++$count;
+               push @out, $w; 
+       }
+}
+else {
+       foreach my $w (BadWords::list_regex()) {
+               ++$count;
+               if (@l >= 5) {
+                       push @out, sprintf "%-12s %-12s %-12s %-12s %-12s", @l;
+                       @l = ();
+               }
+               push @l, $w;
+       }
+       push @l, "" while @l < 5;
+       push @out, sprintf "%-12s %-12s %-12s %-12s %-12s", @l;
+}
+
+push @out, "$count BadWords";
+       
+return (1, @out);
 
index d2b7fe3153720c9328d4ada1e9b271fcaa7c2571..6d49de3afba8df192db4786ce815911d62a734d8 100644 (file)
@@ -9,6 +9,24 @@ my ($self, $line) = @_;
 return (1, $self->msg('e5')) if $self->remotecmd;
 # are we permitted?
 return (1, $self->msg('e5')) if $self->priv < 6;
-$line = join(' ', map {s|[/-]\d+$||; $_} split(/\s+/, $line));
-return $BadWords::badword->unset(8, $self->msg('e6'), $self, $line);
+
+my @words = split /\s+/, uc $line;
+my @out;
+my $count = 0;
+foreach my $w (@words) {
+       my @in;
+       
+       unless (@in = BadWords::check($w)) {
+               push @out, "BadWord $w not defined, ignored";
+       } else {
+               @in = BadWords::del_regex($w);
+               push @out, "BadWord $w removed";
+               $count++;
+       }
+}
+if ($count) {
+       BadWords::generate_regex();
+       BadWords::put();
+}
+return (1, @out);
 
diff --git a/data/badword.new.issue b/data/badword.new.issue
new file mode 100644 (file)
index 0000000..a0d897d
--- /dev/null
@@ -0,0 +1,128 @@
+ACBAR
+AGBAR
+AKELA
+ALAH
+ALHA
+ANIHILATE
+ANIHILATION
+ANUS
+ARSE
+ATACK
+AVENGER
+BARENDERO
+BARSTARD
+BASTARD
+BASURA
+BINLADAN
+BINLADEN
+BLOD
+BOLCK
+BOLOCK
+BOMB
+BUGER
+BUST
+CABRON
+CHRISTIAN
+COCA
+COCK
+COJONES
+CORNUDO
+CORNUPETA
+CORUPTO
+CRAP
+CUEZETA
+CUNT
+DAMN
+DEADH
+DEATH
+DESGRACIADO
+DETH
+DICKHEAD
+DUMBAS
+DXFUN
+ENFERMITO
+ENFERMO
+ENVIDIOSO
+ESTUPIDO
+EXPLOSIVE
+FOLA
+FUCK
+FUK
+FUNKER
+HACKED
+HIJOPUTA
+HIJOS
+HITLER
+IDIOT
+IMBECIL
+JERK
+JIHAD
+JODAN
+JODE
+JODIENDO
+JOETE
+KIL
+KLOT
+LADEN
+LADIN
+LADRON
+MAFIA
+MAMON
+MARICA
+MARICONAZO
+MASMURDER
+MEGATON
+MENTAL
+MENTIROSO
+MIERDA
+MORO
+MOTHERFUCKER
+MULSIM
+MURDER
+MUSLIM
+NUKE
+OSAMA
+PEDERASTA
+PIS
+PLONKER
+POLA
+POLITIC
+POYA
+PUDENDA
+PUDENDUM
+PUSY
+PUTA
+PUTIN
+PUTO
+RADIOBASURA
+RAGHEAD
+RATA
+RELIGION
+RKOAL
+RKOKILER
+RKOPUTIN
+ROFRE
+ROPUTIN
+SHIT
+SLAG
+SLAUGHTER
+SLAVE
+SOD
+SPOTWAR
+STOPUTIN
+STOPWAR
+STUPID
+SUBNORMAL
+TERORIST
+TIT
+TONTO
+TOSER
+TOSPOT
+TRUCK
+TRUK
+TWAT
+URE
+VENGADOR
+WANK
+WASOCK
+WHORE
index 312a04082c705fac550f9b0fcb065388cca2e564..09911b4ad5748bfde84a4e502aac9a823c044c48 100644 (file)
@@ -12,85 +12,244 @@ use strict;
 
 use DXUtil;
 use DXVars;
-use DXHash;
 use DXDebug;
 
 use IO::File;
 
-use vars qw($badword $regexcode);
+our $regex;                                    # the big bad regex generated from @relist
+our @relist; # the list of regexes to try, record = [canonical word, regex] 
+my %in;        # the collection of words we are building up and their regexes
 
-our $regex;
 
-# load the badwords file
+# load the badwords file(s)
 sub load
 {
-       my $bwfn = localdata("badword");
-       filecopy("$main::data.issue", $bwfn) unless -e $bwfn;
-       
-       my @out;
+       %in = ();
+       @relist = ();
+       $regex = '';
 
-       $badword = new DXHash "badword";
+       my @inw;
+       my @out;
+       my $wasold;
        
-       push @out, create_regex(); 
-       return @out;
-}
 
-sub create_regex
-{
-       $regex = localdata("badw_regex");
-       filecopy("$regex.gb.issue", $regex) unless -e $regex;
+       my $newfn = localdata("badword.new");
+       filecopy("$main::data/badword.new.issue", $newfn) unless -e $newfn;
+       if (-e $newfn) {
+               # new style
+               dbg("BadWords: Found new style badword.new file");
+               my $fh = new IO::File $newfn;
+               if ($fh) {
+                       while (<$fh>) {
+                               chomp;
+                               next if /^\s*\#/;
+                               add_regex(uc $_);
+                       }
+                       $fh->close;
+                       @relist = sort {$a->[0] cmp $b->[0]} @relist; # just in case...
+                       dbg("BadWords: " . scalar @relist . " new style badwords read");
+               }
+               else {
+                       my $l = "BadWords: can't open $newfn $!";
+                       dbg($l);
+                       push @out, $l;
+                       return @out;
+               }
+       }
+       else {
+
+               # using old style files 
+               my $bwfn = localdata("badword");
+               filecopy("$main::data/badword.issue", $bwfn) unless -e $bwfn;
        
-       my @out;
-       my $fh = new IO::File $regex;
+               # parse the existing static file
+               dbg("BadWords: Using old style badword file");
        
-       if ($fh) {
-               my $s = "sub { my \$str = shift; my \@out; \n";
-               while (<$fh>) {
-                       chomp;
-                       next if /^\s*\#/;
-                       my @list = split " ";
-                       for (@list) {
-                               # create a closure for each word so that it matches stuff with spaces/punctuation
-                               # and repeated characters in it
-                               my $w = uc $_;
-                               my @l = split //, $w;
-                               my $e = join '+[\s\W]*', @l;
-                               $s .= qq{push \@out, \$1 if \$str =~ m|\\b($e+)|;\n};
+               my $fh = new IO::File $bwfn;
+               if ($fh) {
+                       my $line = 0;
+                       while (<$fh>) {
+                               chomp;
+                               ++$line;
+                               next if /^\s*\#/;
+                               unless (/\w+\s+=>\s+\d+,/) {
+                                       dbg("BadWords: syntax error in $bwfn:$line '$_'");
+                                       next;
+                               }
+                               my @line =  split /\s+/, uc $_;
+                               shift @line unless $line[0];
+                               push @inw, $line[0];
                        }
+                       $fh->close;
                }
-               $s .= "return \@out;\n}";
-               $regexcode = eval $s;
-               dbg($s) if isdbg('badword');
-               if ($@) {
-                       @out = ($@);
-                       dbg($@);
+               else {
+                       my $l = "BadWords: can't open $bwfn $!";
+                       dbg($l);
+                       push @out, $l;
                        return @out;
                }
-               $fh->close;
-       } else {
-               my $l = "can't open $regex $!";
-               dbg($l);
-               push @out, $l;
+
+               # do the same for badw_regex
+               my $regexfn = localdata("badw_regex");
+               filecopy("$main::data/badw_regex.gb.issue", $regexfn) unless -e $regexfn;
+               dbg("BadWords: Using old style badw_regex file");
+               $fh = new IO::File $regexfn;
+       
+               if ($fh) {
+                       while (<$fh>) {
+                               chomp;
+                               next if /^\s*\#/;
+                               next if /^\s*$/;
+                               push @inw, split /\s+/, uc $_;
+                       }
+                       $fh->close;
+               }
+               else {
+                       my $l = "BadWords: can't open $regexfn $!";
+                       dbg($l);
+                       push @out, $l;
+                       return @out;
+               }
+
+               ++$wasold;
        }
+
+       # catch most of the potential duplicates
+       @inw = sort @inw;
+       for (@inw) {
+               add_regex($_);
+       }
+       
+       # create the master regex
+       generate_regex();
        
+       # use new style from now on
+       put() if $wasold;
+       
+
        return @out;
 }
 
+sub generate_regex
+{
+       my $res;
+       @relist = sort {$a->[0] cmp $b->[0]} @relist;
+       for (@relist) {
+               $res .= qq{(?:$_->[1]) |\n};
+       }
+       $res =~ s/\s*\|\s*$//;
+       $regex = qr/\b($res)/x;
+}
+
+
+sub _cleanword
+{
+       my $w = uc shift;
+       $w =~ tr/01/OI/;                        # de-leet any incoming words
+       my $last = '';  # remove duplicate letters (eg BOLLOCKS > BOLOCKS)
+       my @w;
+       for (split //, $w) {
+               next if $last eq $_;
+               $last = $_;
+               push @w, $_;
+       }
+       return @w ? join('', @w) : '';
+}
+
+sub add_regex
+{
+       my @list = split /\s+/, shift;
+       my @out;
+       
+       for (@list) {
+               my $w = uc $_;
+               $w = _cleanword($w);
+
+               next unless $w && $w =~ /^\w+$/; # has to be a word
+               next if $in{$w};           # ignore any we have already dealt with
+               next if _slowcheck($w); # check whether this will already be detected
+
+               # re-leet word (in regex speak)if required
+               my @l = map { s/O/[O0]/g; s/I/[I1]/g; $_ } split //, $w;
+               my $e = join '+[\s\W]*',  @l;
+               my $q = $e;
+               push @relist, [$w, $q];
+               $in{$w} = $q;
+               dbg("$w = $q") if isdbg('badword');
+               push @out, $w;
+       }
+       return @out;
+}
+
+sub del_regex
+{
+       my @list = split /\s+/, shift;
+       my @out;
+
+       for (@list) {
+               my $w = uc $_;
+               $w = _cleanword($w);
+               next unless $in{$w};
+               delete $in{$w};
+               @relist = grep {$_->[0] ne $w} @relist;
+               push @out, $w
+       }
+       return @out;
+}
+
+sub list_regex
+{
+       my $full = shift;
+       return map { $full ? "$_->[0] = $_->[1]" : $_->[0] } @relist;
+}
+
 # check the text against the badwords list
 sub check
 {
        my $s = uc shift;
        my @out;
-
-       push @out, &$regexcode($s) if $regexcode;
-       
-       return @out if @out;
        
-       for (split(/\b/, $s)) {
-               push @out, $_ if $badword->in($_);
+       if ($regex) {
+               my %uniq;
+               @out = grep {++$uniq{$_}; $uniq{$_} == 1 ? $_ : undef }($s =~ /\b($regex)/g);
+               dbg("BadWords: check '$s' = '" . join(', ', @out) . "'") if isdbg('badword');
+               return @out;
        }
+       return _slowcheck($s) if @relist;
+       return;
+}
 
+
+sub _slowcheck
+{
+       my $w = shift;
+       my @out;
+       
+       for (@relist) {
+               push @out, $w =~ /\b($_->[1])/;
+       }
        return @out;
 }
 
+# write out the new bad words list
+sub put
+{
+       my @out;
+       my $newfn = localdata("badword.new");
+       my $fh = new IO::File ">$newfn";
+       if ($fh) {
+               dbg("BadWords: put new badword.new file");
+               @relist = sort {$a->[0] cmp $b->[0]} @relist;
+               for (@relist) {
+                       print $fh "$_->[0]\n";
+               }
+               $fh->close;
+       }
+       else {
+               my $l = "BadWords: can't open $newfn $!";
+               dbg($l);
+               push @out, $l;
+               return @out;
+       }
+}
 1;
index 0655fcf6a1629050cf9b7fbbb64d75dff7261b1b..d2f15eeeb144543576316a4c904f929d90b1d3e0 100644 (file)
@@ -39,7 +39,7 @@ sub addline
        my $dxchan = shift;
        my $line = shift;
        
-       if (my @ans = BadWord::check($line)) {
+       if (my @ans = BadWords::check($line)) {
                return ($dxchan->msg('e17', @ans));
        }
        push @{$self->{lines}}, $line;
@@ -53,7 +53,7 @@ sub modline
        my $no = shift;
        my $line = shift;
 
-       if (my @ans = BadWord::check($line)) {
+       if (my @ans = BadWords::check($line)) {
                return ($dxchan->msg('e17', @ans));
        }
     ${$self->{lines}}[$no] = $line;
index 718a2f1724c09fc1273dba16fbedb23b6b146331..baa48ca704bd5433a89ed433a76d94b64552a7d4 100755 (executable)
@@ -671,7 +671,7 @@ sub setup_start
        UDPMsg::init(\&new_channel);
 
        # load bad words
-       dbg("load badwords: " . (BadWords::load() or "Ok"));
+       BadWords::load();
 
        # prime some signals
        unless ($DB::VERSION) {