中文敏感词过滤需预处理干扰符、分组编译词库、DOM解析HTML；因\b对中文无效，须用字符约束和标准化确保匹配准确且不破坏语义。
用 \b 保证只匹配完整词，但中文没词边界
英文可用 \bcat\b 防止“category”被误杀，但中文没有天然词边界——\b 对“南京”“南京市”完全无效。强行套用会导致要么漏（“南京路”不触发），要么过杀（“苹果手机”里把“苹果”干掉，留下“手机”语义断裂）。
- 对纯英文/数字混合词（如“iPhone15”“Win11”），
\b仍有效，可保留 - 中文词必须靠前后字符约束：用
(? 表示“前面不是汉字、后面也不是汉字”，比 <code>\b更可控 - 但注意：标点、空格、换行、零宽字符（
\u200B）都得显式列进否定类，否则照样漏——比如“南京。”, “南京 ”, “南京\u200B”都不匹配
预处理比正则容错更可靠
用户输入的干扰手段太多：全角空格、★、*、大小写混排、零宽字符……指望正则一条规则兜底，只会越写越松、越松越误杀。
- 先统一清理：用
mb_ereg_replace('[\x{3000}\x{200B}\x{FEFF}]', ' ', $text, 'u')把常见干扰符转成半角空格 - 再标准化：转小写（
mb_strtolower($text, 'UTF-8')）、去除首尾空白、合并连续空格 - 敏感词库也按同样规则预处理，确保匹配时“输入”和“词表”在同一起跑线
- 别在正则里堆
[a-zA-Z\u4e00-\u9fa5\s\*\u2605]{0,3}这种模糊段——回溯爆炸风险高，且无法覆盖新干扰符
词组优先 + 分组编译，避免 preg_replace('/(法轮功|邪教|...)/u', '***', $text)
单条超长正则在 PHP 中编译慢、执行卡、还容易触发 PCRE 回溯限制（PREG_BACKTRACK_LIMIT_ERROR）。词一过千，preg_replace 就可能直接返回 null。
- 用
array_chunk($keywords, 200)把词表切块，每组单独编译成一个preg_replace调用 - 每组内按词长度倒序排列（长词优先），防止“法轮”先被替，漏掉“法轮功”
- 编译结果缓存到
static $cache = []或WeakMap，避免重复编译 - 不要用
.*?匹配干扰符——改用(?:[\s\u3000\*\u2605]){0,2}显式限定次数，防回溯
HTML 内容必须用 DOM 解析，不能直接正则扫字符串
preg_replace 对 HTML 是盲操作：它会把 <img src="fanlun.jpg"> 里的 “fanlun” 当敏感词干掉，导致图片加载失败；也会误杀 <script>var text = "法轮功";</script> 里的字符串，破坏 JS 逻辑。
立即学习“PHP免费学习笔记（深入）”；
- 先用
$dom = new DOMDocument(); @$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);解析 - 遍历所有
TEXT_NODE，对节点nodeValue单独调用敏感词过滤函数 - 跳过
src、href、data-等属性值，以及script、style标签内容 - 最后用
$dom->saveHTML()输出，结构和编码全保
