profanity_filter.py

   1 #!/usr/bin/env python3
   2
   3 import logging
   4 import random
   5 import re
   6 import string
   7 import sys
   8
   9 import nltk
  10 from nltk.stem import PorterStemmer
  11
  12 import decorator_utils
  13 import string_utils
  14
  15
  16 logger = logging.getLogger(__name__)
  17
  18
  19 @decorator_utils.singleton
  20 class ProfanityFilter(object):
  21     def __init__(self):
  22         self.bad_words = set([
  23             'acrotomophilia',
  24             'anal',
  25             'analingus',
  26             'anally',
  27             'anilingus',
  28             'anus',
  29             'arsehol',
  30             'arsehole',
  31             'ass',
  32             'asses',
  33             'asshol',
  34             'asshole',
  35             'assmunch',
  36             'auto erot',
  37             'auto erotic',
  38             'autoerotic',
  39             'babeland',
  40             'babi batter',
  41             'baby batter',
  42             'ball gag',
  43             'ball gravi',
  44             'ball gravy',
  45             'ball kick',
  46             'ball kicking',
  47             'ball lick',
  48             'ball licking',
  49             'ball sack',
  50             'ball suck',
  51             'ball sucking',
  52             'ball zack',
  53             'bangbro',
  54             'bangbros',
  55             'bare legal',
  56             'bareback',
  57             'barely legal',
  58             'barenak',
  59             'barenaked',
  60             'bastardo',
  61             'bastinado',
  62             'bbc',
  63             'bbw',
  64             'bdsm',
  65             'beaver cleaver',
  66             'beaver lip',
  67             'beaver lips',
  68             'bestial',
  69             'bestiality',
  70             'bi curiou',
  71             'bi curious',
  72             'big black',
  73             'big breasts',
  74             'big knocker',
  75             'big knockers',
  76             'big tit',
  77             'big tits',
  78             'bimbo',
  79             'birdlock',
  80             'bitch',
  81             'bitches',
  82             'black cock',
  83             'blond action',
  84             'blond on blond',
  85             'blonde action',
  86             'blow j',
  87             'blow job',
  88             'blowjob',
  89             'blow my',
  90             'blow me',
  91             'blow ourselv',
  92             'blow ourselves',
  93             'blow your load',
  94             'blue waffl',
  95             'blue waffle',
  96             'blumpkin',
  97             'bollock',
  98             'bollocks',
  99             'bondag',
 100             'bondage',
 101             'boner',
 102             'boob',
 103             'boobs',
 104             'booti call',
 105             'booty call',
 106             'breast',
 107             'breasts',
 108             'brown shower',
 109             'brown showers',
 110             'brunett action',
 111             'brunette action',
 112             'bukkak',
 113             'bukkake',
 114             'bulldyk',
 115             'bulldyke',
 116             'bullet vibe',
 117             'bullshit',
 118             'bung hole',
 119             'bunghol',
 120             'bunghole',
 121             'busti',
 122             'busty',
 123             'butt',
 124             'buttcheek',
 125             'buttcheeks',
 126             'butthol',
 127             'butthole',
 128             'camel toe',
 129             'camgirl',
 130             'camslut',
 131             'camwhore',
 132             'carpet muncher',
 133             'carpetmuncher',
 134             'chocol rosebud',
 135             'chocolate rosebuds',
 136             'circlejerk',
 137             'chink',
 138             'cleveland steamer',
 139             'clit',
 140             'clitori',
 141             'clitoris',
 142             'clover clamp',
 143             'clover clamps',
 144             'clusterfuck',
 145             'cock',
 146             'cocks',
 147             'coprolagnia',
 148             'coprophilia',
 149             'cornhol',
 150             'cornhole',
 151             'cream pie',
 152             'creampi',
 153             'creampie',
 154             'cum',
 155             'cumming',
 156             'cunnilingu',
 157             'cunnilingus',
 158             'cunt',
 159             'damn',
 160             'darki',
 161             'darkie',
 162             'date rape',
 163             'daterap',
 164             'daterape',
 165             'deep throat',
 166             'deepthroat',
 167             'dick',
 168             'dildo',
 169             'dirti pillow',
 170             'dirti sanchez',
 171             'dirty pillow',
 172             'dirty sanchez',
 173             'dog style',
 174             'doggi style',
 175             'doggie style',
 176             'doggiestyl',
 177             'doggiestyle',
 178             'doggystyle',
 179             'dolcett',
 180             'domination',
 181             'dominatrix',
 182             'domm',
 183             'dommes',
 184             'donkey punch',
 185             'doubl dick',
 186             'doubl dong',
 187             'doubl penetr',
 188             'double dick',
 189             'double dong',
 190             'double penetration',
 191             'dp action',
 192             'dtf',
 193             'eat my ass',
 194             'ecchi',
 195             'ejacul',
 196             'erection',
 197             'erotic',
 198             'erotism',
 199             'escort',
 200             'ethical slut',
 201             'eunuch',
 202             'faggot',
 203             'fecal',
 204             'felch',
 205             'fellatio',
 206             'feltch',
 207             'female squirting',
 208             'femdom',
 209             'figging',
 210             'fingered',
 211             'fingering',
 212             'fingers',
 213             'fisted',
 214             'fisting',
 215             'fists',
 216             'foot fetish',
 217             'footjob',
 218             'frotting',
 219             'fuck button',
 220             'fuck',
 221             'fucked',
 222             'fucker',
 223             'fuckhead',
 224             'fuckin',
 225             'fucking',
 226             'fudge packer',
 227             'fudgepack',
 228             'fudgepacker',
 229             'futanari',
 230             'g spot',
 231             'g-spot',
 232             'gang bang',
 233             'gay sex',
 234             'gee spot',
 235             'genital',
 236             'giant cock',
 237             'girl gone wild',
 238             'girl on top',
 239             'girl on',
 240             'goatcx',
 241             'goatse',
 242             'goddamn',
 243             'gokkun',
 244             'golden shower',
 245             'goo girl',
 246             'goodpoop',
 247             'goregasm',
 248             'grope',
 249             'group sex',
 250             'gspot',
 251             'guro',
 252             'hand job',
 253             'handjob',
 254             'hard core',
 255             'hardcore',
 256             'hentai',
 257             'homoerotic',
 258             'honkey',
 259             'hooker',
 260             'horni',
 261             'horny',
 262             'hot chick',
 263             'how to kill',
 264             'how to murder',
 265             'huge fat',
 266             'humped',
 267             'humping',
 268             'humps',
 269             'incest',
 270             'intercourse',
 271             'jack off',
 272             'jail bait',
 273             'jailbait',
 274             'jerk off',
 275             'jigaboo',
 276             'jiggaboo',
 277             'jiggerboo',
 278             'jizz',
 279             'jugg',
 280             'kike',
 281             'kinbaku',
 282             'kinkster',
 283             'kinky',
 284             'knobbing',
 285             'leather restraint',
 286             'lemon party',
 287             'lolita',
 288             'lovemaking',
 289             'make me come',
 290             'male squirting',
 291             'masturb',
 292             'menage a trois',
 293             'milf',
 294             'missionary position',
 295             'motherfuck',
 296             'mound of venus',
 297             'mr hand',
 298             'muff diver',
 299             'muffdiv',
 300             'muffdiving',
 301             'nambla',
 302             'nawashi',
 303             'negro',
 304             'neonazi',
 305             'nig nog',
 306             'nigga',
 307             'nigger',
 308             'nimphomania',
 309             'nipple',
 310             'nip',
 311             'not safe for',
 312             'nsfl',
 313             'nsfw',
 314             'nude',
 315             'nudes',
 316             'nudity',
 317             'nut sack',
 318             'nutsack',
 319             'nympho',
 320             'nymphomania',
 321             'octopussy',
 322             'omorashi',
 323             'one night stand',
 324             'orgasm',
 325             'orgy',
 326             'paedophil',
 327             'paedophile',
 328             'panties',
 329             'panty',
 330             'pedobear',
 331             'pedophil',
 332             'pedophile',
 333             'pee',
 334             'pegging',
 335             'peni',
 336             'penis',
 337             'phone sex',
 338             'pigfucker',
 339             'piss pig',
 340             'piss',
 341             'pissing',
 342             'pisspig',
 343             'playboy',
 344             'pleasure chest',
 345             'pole smoker',
 346             'ponyplay',
 347             'poof',
 348             'poop chute',
 349             'poopchute',
 350             'porn',
 351             'pron',
 352             'pornhub',
 353             'porno',
 354             'pornographi',
 355             'pornography',
 356             'prince albert',
 357             'pthc',
 358             'pube',
 359             'pussi',
 360             'pussies',
 361             'pussy',
 362             'queaf',
 363             'queer',
 364             'raghead',
 365             'raging boner',
 366             'rape',
 367             'raping',
 368             'rapist',
 369             'rectum',
 370             'reverse cowgirl',
 371             'rimjob',
 372             'rimming',
 373             'rosy palm',
 374             'rusty trombone',
 375             's & m',
 376             's&m',
 377             's+m',
 378             'sadism',
 379             'scat',
 380             'schlong',
 381             'scissoring',
 382             'semen',
 383             'sex',
 384             'sexi',
 385             'sexo',
 386             'sexy',
 387             'shaved beaver',
 388             'shaved pussy',
 389             'shemale',
 390             'shibari',
 391             'shit',
 392             'shota',
 393             'shrimping',
 394             'slanteye',
 395             'slut',
 396             'smut',
 397             'snatch',
 398             'snm',
 399             'snowballing',
 400             'sodomi',
 401             'sodomize',
 402             'sodomy',
 403             'spic',
 404             'spooge',
 405             'spread legs',
 406             'squirting',
 407             'strap on',
 408             'strapon',
 409             'strappado',
 410             'strip club',
 411             'style doggy',
 412             'suck',
 413             'suicide girls',
 414             'sultry women',
 415             'swastika',
 416             'swinger',
 417             'taint',
 418             'tainted love',
 419             'taste my',
 420             'tea bagging',
 421             'threesome',
 422             'throating',
 423             'tied up',
 424             'tight white',
 425             'tit',
 426             'tits',
 427             'titti',
 428             'titties',
 429             'titty',
 430             'tongue in',
 431             'topless',
 432             'tosser',
 433             'towelhead',
 434             'tranny',
 435             'tribadism',
 436             'tub girl',
 437             'tubgirl',
 438             'tushy',
 439             'twat',
 440             'twink',
 441             'twinki',
 442             'twinkie',
 443             'undress',
 444             'upskirt',
 445             'urethra play',
 446             'urophilia',
 447             'vag',
 448             'vagina',
 449             'venus mound',
 450             'vibrator',
 451             'violet blue',
 452             'violet wand',
 453             'vorarephilia',
 454             'voyeur',
 455             'vulva',
 456             'wank',
 457             'wet dream',
 458             'wetback',
 459             'white power',
 460             'whore',
 461             'women rapping',
 462             'wrapping men',
 463             'wrinkled starfish',
 464             'xx',
 465             'xxx',
 466             'yaoi',
 467             'yellow shower',
 468             'yiffy',
 469             'zoophilia',
 470         ])
 471         self.stemmer = PorterStemmer()
 472
 473     def _normalize(self, text: str) -> str:
 474         """Normalize text.
 475
 476         >>> _normalize('Tittie5')
 477         'titties'
 478
 479         >>> _normalize('Suck a Dick!')
 480         'suck a dick'
 481
 482         >>> _normalize('fucking a whore')
 483         'fuck a whore'
 484
 485         """
 486         result = text.lower()
 487         result = result.replace("_", " ")
 488         result = result.replace('0', 'o')
 489         result = result.replace('1', 'l')
 490         result = result.replace('4', 'a')
 491         result = result.replace('5', 's')
 492         result = result.replace('3', 'e')
 493         for x in string.punctuation:
 494             result = result.replace(x, "")
 495         chunks = [
 496             self.stemmer.stem(word) for word in nltk.word_tokenize(result)
 497         ]
 498         return ' '.join(chunks)
 499
 500     def tokenize(self, text: str):
 501         for x in nltk.word_tokenize(text):
 502             for y in re.split('\W+', x):
 503                 yield y
 504
 505     def contains_bad_word(self, text: str) -> bool:
 506         """Returns True if text contains a bad word (or more than one)
 507         and False if no bad words were detected.
 508
 509         >>> contains_bad_word('fuck you')
 510         True
 511
 512         >>> contains_bad_word('FucK u')
 513         True
 514
 515         >>> contains_bad_word('FuK U')
 516         False
 517
 518         """
 519         words = [word for word in self.tokenize(text)]
 520         for word in words:
 521             if self.is_bad_word(word):
 522                 logger.debug(f'"{word}" is profanity')
 523                 return True
 524
 525         if len(words) > 1:
 526             for bigram in string_utils.ngrams_presplit(words, 2):
 527                 bigram = ' '.join(bigram)
 528                 if self.is_bad_word(bigram):
 529                     logger.debug(f'"{bigram}" is profanity')
 530                     return True
 531
 532         if len(words) > 2:
 533             for trigram in string_utils.ngrams_presplit(words, 3):
 534                 trigram = ' '.join(trigram)
 535                 if self.is_bad_word(trigram):
 536                     logger.debug(f'"{trigram}" is profanity')
 537                     return True
 538         return False
 539
 540     def is_bad_word(self, word: str) -> bool:
 541         return (
 542             word in self.bad_words or
 543             self._normalize(word) in self.bad_words
 544         )
 545
 546     def obscure_bad_words(self, text: str) -> str:
 547         """Obscure bad words that are detected by inserting random punctuation
 548         characters.
 549
 550         """
 551         def obscure(word: str):
 552             out = ''
 553             last = ''
 554             for letter in word:
 555                 if letter.isspace():
 556                     out += letter
 557                 else:
 558                     while True:
 559                         char = random.choice(['#', '%', '!', '@', '&', '*'])
 560                         if last != char:
 561                             last = char
 562                             out += char
 563                             break
 564             return out
 565
 566         words = self.tokenize(text)
 567         words.append('')
 568         words.append('')
 569         words.append('')
 570         out = ''
 571
 572         cursor = 0
 573         while cursor < len(words) - 3:
 574             word = words[cursor]
 575             bigram = word + ' ' + words[cursor + 1]
 576             trigram = bigram + ' ' + words[cursor + 2]
 577             if self.is_bad_word(trigram):
 578                 out += obscure(trigram) + ' '
 579                 cursor += 3
 580             elif self.is_bad_word(bigram):
 581                 out += obscure(bigram) + ' '
 582                 cursor += 2
 583             elif self.is_bad_word(word):
 584                 out += obscure(word) + ' '
 585                 cursor += 1
 586             else:
 587                 out += word + ' '
 588                 cursor += 1
 589         return out.strip()
 590
 591
 592 def main() -> None:
 593     import doctest
 594     doctest.testmod()
 595     pf = ProfanityFilter()
 596     phrase = ' '.join(sys.argv[1:])
 597     print(pf.contains_bad_word(phrase))
 598     print(pf.obscure_bad_words(phrase))
 599     sys.exit(0)
 600
 601
 602 if __name__ == '__main__':
 603     main()