Edit: alterei quase todo o comportamento da classe*
Gostei do desafio que isso traz e fiz uma classe que gera dinamicamente uma regra em regex
com todas as possibilidades combinadas entre os itens da blacklist e cheats e, por fim, filtra todos os caracteres unicodes
.
O motivo de preferir regex
e não um "grau de similaridade"
, é por comparar "batata" com "barata"... Para resolver isso, seria necessário criar uma blacklist e whitelist ou diminuir a porcentagem de threshold, onde a complexidade poderia ser muito maior.
Com um regex dinâmico, adicionando batata
na blacklist, a regra gerada é:
/(b.?|3.?|8.?)(a.?|@.?|4.?|á.?|à.?|â.?|ã.?|ª.?|^.?)(t.?|7.?)(a.?|@.?|4.?|á.?|à.?|â.?|ã.?|ª.?|^.?)(t.?|7.?)(a|@|4|á|à|â|ã|ª|^)/gim
Dá match: b\u200Bát@74
, bbaattaattaa
, b@t@t@
, 347474
, b a t a t a
, b$a$t$a$t$a
, etc.
Não dá match: barata
, baratata
, etc.
Sobre Unicode:
Após várias tentativas, todas falhas, criei uma regra, também usando
regex, para filtrar todo caractere Unicode ou que não respeite a regra
de um caractere "comum" (ß
, 𝒷𝒶𝓉𝒶𝓉𝒶
, ɐʇɐʇɐ
).
- A função
.normalize('NFKC')
consegue transcodificar alguns caracteres unicode, mas infelizmente, muita coisa passa batido.
Como usar:
const blacklist = new Blacklist(_sua_blacklist_);
blacklist.validate('_string_a_ser_validada_');
Como funciona:
- Ao criar a classe, basta incluir sua blacklist (array) no construtor, com isso, serão geradas todas as regras em
regex
e guardadas na memória.
- Chamando a função
.validate()
, basta passar a string a ser validada. O retorno da função será, em caso de match, um objeto com as propriedades matchs
e Unicodes
:
{
matchs: [
'batata',
'bbaattaatta',
'b@t@t@'
'347474',
'b a t a t a',
'b$a$t$a$t$a'
],
unicodes: [ '𝒷𝒶𝓉𝒶𝓉𝒶', 'ɐʇɐʇɐ', 'ß' ]
}
Ou no caso de não ter nenhuma ocorrência (nem matchs
, nem unicodes
): true
É possível adicionar desde palavras isoladas até expressões completas na blacklist, por exemplo, você permite batata
e purê
separadamente, mas se a pessoa inserir purê de batata
, você quer bloquear.
A ideia ao retornar um objeto com todos os valores inválidos separados por "comuns" e "unicodes", é que para quem utilizar, poderá fazer seu próprio tratamento especifíco para cada situação. Seja um replace(x, y)
, ou um alerta ao usuário devolvendo todas as palavras e caracteres inválidos.
A classe está pronta para ser utilizada, mas está bem comentada para auxiliar quem queira adaptar. Também deixei o código bem mais simples que antes e, ao fim do script, coloquei alguns exemplos na prática:
class Blacklist {
constructor(blacklist) {
const cheats = {
"a": [ "@", "4", "á", "à", "â", "ã", "ª", "^" ],
"b": [ "3", "8" ],
"c": [ "ç", "\\(", "\\[", "\\{", "<" ],
"d": [ ],
"e": [ "3", "é", "ê", "&" ],
"f": [ ],
"g": [ "6" ],
"h": [ ],
"i": [ "1", "!", "í", "l" ],
"j": [ ],
"k": [ ],
"l": [ "1", "!", "í", "i" ],
"m": [ "ññ", "nn" ],
"n": [ "ñ" ],
"o": [ "0", "ó", "ô", "õ", "º", "\\(\\)" ],
"p": [ ],
"q": [ ],
"r": [ ],
"s": [ "5", "\\$", "z" ],
"t": [ "7" ],
"u": [ "ú", "v", "w" ],
"v": [ "u", "ú" ],
"w": [ ],
"x": [ ],
"y": [ "i", "l" ],
"z": [ "2", "s" ]
};
/* -- CODE -- */
try {
// valida a blacklist enviada
if (!Array.isArray(blacklist)) throw('A blacklist precisa ser um array');
// captura tudo que for unicode
const getUnicode = /(((?!\s)(?=([^a-z0-9~!@#$%^&*()_+`'"=:{}[%?|;,./<>ªºáãàâéêíóõôºúüçñ\]\\\-\s]))).?(?=[^\x2A\x30-\x39\x41-\x5A\x61-\x7A])*)+/gim;
// guarda os regex gerados com o conteúdo da blacklist
const blacklistRegex = [];
if (blacklist.length > 0) {
// tratar itens da blacklist
blacklist.map((item, id) => blacklist[id] = item.normalize('NFD').replace(/[\s\u0300-\u036f]/gim, '').toLowerCase());
// percorre todos os itens da blacklist e cria um regex para cada um
blacklist.forEach(item => {
// "explode" cada caractere para um array
const item_split = item.split('');
// prepara variáveis para o loop
let count = 0;
let item_regex = '';
// percorre cada caractere e cria um regex para cada combinação do objeto "cheat" no caractere relacionado
item_split.forEach(character => {
count++;
const currentCheat = cheats[character];
if (currentCheat) {
const item_length = item_split.length;
const cheat_length = currentCheat.length;
const regex_character = currentCheat.toString().split(',').join('.?|');
const regex_last_character = currentCheat.toString().split(',').join('|');
const cheatMid = cheat_length > 0 ? `|${regex_character}.?` : '';
const cheatLast = cheat_length > 0 ? `|${regex_last_character}` : '';
item_regex += count < item_length ? `(${character}.?${cheatMid})` : `(${character}${cheatLast})`;
}
});
// guarda na memória o regex final gerado pelo loop
blacklistRegex.push(RegExp(item_regex, 'gim'));
});
}
this.validate = text => {
try {
// valida os parâmetros
if (typeof text !== 'string' || text?.trim().length === 0) throw('O conteúdo a ser validado precisa ser do tipo string');
if (blacklist.length === 0) return true;
// normalizar dígitos (como "\u0061" de volta para "a")
text = text.normalize('NFC');
// remover espaços duplicados
text = text.replace(/\s/gim, ' ');
// guarda, caso ocorra, os "matchs" com os itens da blacklist
const invalids = [];
// guarda, caso ocorra, os caracteres unicodes
const unicodes = text.match(getUnicode) || [];
// verifica ocorrências para cada regex gerado
blacklistRegex.forEach(regex => {
// cria um array com as ocorrências, caso houver
const words = text.match(regex);
if (words?.length > 0) Object.assign(invalids, words);
});
return invalids?.length > 0 || unicodes?.length > 0 ? { matchs: invalids, unicodes: unicodes } : true;
}
catch(error) {
console.error(error);
}
};
}
catch(error) {
console.error(error);
}
}
}
/***********\
| TESTING |
\***********/
const myBlacklist = [ 'batata' ];
const blacklist = new Blacklist(myBlacklist);
const invalid = blacklist.validate( 'b\u200Bát@74 | bátátá | b$at$a$t$a | 347474 | 𝒷𝒶𝓉𝒶𝓉𝒶 | ɐʇɐʇɐq | b a t a t a | b-a-t-a-t-a | ß @ 7 @ 7 @ | bbaattaattaa' );
const valid = blacklist.validate( 'Nada a ser encontrado por aqui' );
console.log('FALSO: \n', invalid);
console.log('VERDADEIRO: \n', valid);
Espero que ajude e, indiretamente, obrigado pela ideia.
let batata = 'Datilografia'; let fakeBatata = 'Ⓓati' + '\u200B' + 'lografia'; b = batata.replace(/\p{C}/ugi,''); fB = fakeBatata.replace(/\p{C}/ugi,''); console.log(b, fB); console.log(b.normalize('NFKC') == fB.normalize('NFKC'));