obscenity 的安装和配置教程
2025-05-30 13:43:05作者:宗隆裙
项目基础介绍
obscenity 是一个用于Ruby/Rubinius、Rails(通过ActiveModel)以及 Rack 中间件的污言秽语过滤宝石(gem)。它可以帮助开发者在应用程序中检测并过滤掉不当言论,维护良好的社区环境。
主要编程语言
该项目主要使用 Ruby 编程语言。
关键技术和框架
obscenity 使用了 ActiveModel 进行模型验证,同时可以作为 Rack 中间件来拦截和过滤请求参数中的不当内容。它支持多种配置方式,包括黑名单、白名单以及自定义替换字符等。
安装和配置准备工作
在开始安装之前,请确保您的系统中已经安装了以下环境和工具:
- Ruby 开发环境
- Gem 包管理器(通常随 Ruby 一起安装)
安装步骤
步骤 1:添加 Gem 依赖
首先,您需要在项目的 Gemfile 文件中添加 obscenity 的依赖项。打开 Gemfile 文件,并在文件中添加以下行:
gem 'obscenity'
步骤 2:执行 Bundle Install
在命令行中,切换到包含 Gemfile 的目录,并执行以下命令来安装所有依赖项,包括 obscenity:
bundle install
步骤 3:配置 obscenity
在您的 Ruby 项目中,您可以通过创建一个配置块来定制 obscenity 的行为。以下是一个配置示例:
Obscenity.configure do |config|
config.blacklist = ['不良词汇1', '不良词汇2'] # 黑名单词汇
config.whitelist = ['安全词汇1', '安全词汇2'] # 白名单词汇
config.replacement = :stars # 替换方式,这里使用星号
end
步骤 4:在模型中使用 obscenity
如果您使用 Rails 或其他支持 ActiveModel 的 ORM(如 ActiveRecord、MongoMapper、Mongoid),可以在模型中添加污言秽语验证。以下是如何在一个 Rails 模型中使用它的例子:
class Post < ActiveRecord::Base
validates :title, obscenity: true
validates :body, obscenity: { sanitize: true, replacement: :stars }
end
步骤 5:在 Rack 中使用 obscenity
如果您想将 obscenity 用作 Rack 中间件来自动过滤请求参数,您可以按照以下方式在您的 Rack 应用程序中配置它:
use Rack::Obscenity, reject: { params: :all, message: '不允许使用污言秽语!' }
以上步骤概述了 obscenity 的基本安装和配置过程。根据您的具体需求,您可以进一步自定义配置以适应您的应用程序。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
209
221
暂无简介
Dart
646
149
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
288
React Native鸿蒙化仓库
JavaScript
250
318
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.16 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
863
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
215
仓颉编程语言运行时与标准库。
Cangjie
136
874