https://github.com/FHChen0420/bili_live_shield_words

B站直播间弹幕屏蔽字处理
https://github.com/FHChen0420/bili_live_shield_words

Last synced: about 2 months ago
JSON representation

B站直播间弹幕屏蔽字处理

• Host: GitHub
• URL: https://github.com/FHChen0420/bili_live_shield_words
• Owner: FHChen0420
• Created: 2021-06-01T14:53:26.000Z (over 3 years ago)
• Default Branch: main
• Last Pushed: 2023-01-10T02:12:32.000Z (almost 2 years ago)
• Last Synced: 2024-08-01T02:27:33.417Z (4 months ago)
• Language: Python
• Size: 593 KB
• Stars: 13
• Watchers: 2
• Forks: 3
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

• awesome-bilibili-extra - Bili_live_shield_words - B 站直播间弹幕屏蔽字处理. (直播相关工具 / 直播脚本)

README

        
## B站直播弹幕反屏蔽处理（随缘更新中）

识别并处理B站直播弹幕中的全局屏蔽字，目前主要用于提高直播时的同传/歌词弹幕的存留率。

### 屏蔽机制简介

目前B站直播间弹幕的屏蔽机制主要有两类：

+ 传统的正则表达式检测，由人工管理，有简单和复杂之分。简单的屏蔽词有```匕首``` ```咖啡因```等，处理方法很简单，在中间任意加一个非空格字符（填充符）隔开就行，如```匕i首``` ```咖啡|因```等都不会触发屏蔽。注意该机制会无视半角空格，```匕 首``` ```咖 啡 因```均会被屏蔽。复杂的屏蔽规则会要求在两个字之间添加多个填充符（一般不超过6个），例如```网恋```两字之间至少需要两个填充符、```倒车```两字之间至少需要4个填充符，否则会被屏蔽。我在代码中会使用```网#2恋``` ```倒#4车```这样的格式来表示这类屏蔽规则。如果遇到更复杂的情况，例如原文是```删除了评论```，屏蔽规则是```删#4评#1论```，则只需满足任意一处填充即可，```删除了··评论``` ```删除了评·论```均是可行的处理结果。

+ 疑似中文分词语义检测，可能由系统自动识别，识别结果不稳定，于2021年8月底开始执行。该机制对以下几类汉字十分敏感（每类仅列出几个代表汉字）：带贬义的动词/形容词（数量众多）```死丑笨矮透病日```、代词```你您他这```、语气词```啊吧呢```、拼音为ma的汉字```妈马吗嘛```、器官```脸嘴眼脑```、部分动物```狗猪猴```、个别汉字```个样很没```。如果上述几类汉字相互组合，则大概率会触发屏蔽。在处理方法上，之前毫无作用的空格反而成了最有效果的填充符，加到敏感词语中间（或周围）能应付80%以上的情况，其次是非敏感汉字与数字，能起到正常的填充作用，而英文字母、标点符号、日文假名等几乎无法发挥填充效果。此外，该机制会对敏感词语进行一定的边界检测（也有可能是对整条弹幕的正常字符数进行统计），如果敏感词周边有正常的汉字或数字，则有可能不触发屏蔽。

也有一些其他的情况：

+ 2022年3月下旬开始，B站会时不时屏蔽一些正常弹幕（返回码"f"，与触发全局屏蔽时的返回码相同），一般来说重发一次就可以了。当你发送了一条真正含屏蔽词的弹幕并被B站拦截后，在之后极短时间内发送的任意内容弹幕都有一定概率被拦截。

+ 偶尔B站会临时添加一些很迷的屏蔽规则（疑似在测试），个别常用词语以及汉字单字也会被屏蔽，这种情况一般来说最多会持续一周。例如2022年初的一周内，B站实行了新的屏蔽机制，个别英文字母单独发送会被屏蔽，部分屏蔽词还需要两端加英文方括号```[]```才不容易被屏蔽。

+ 部分直播间（例如活动期间的BW/BML直播间）的屏蔽规则比普通直播间要刁钻很多，再加上直播间有弹幕密度限制，在房间弹幕流量较高的时候，你能成功发送半数的弹幕就算不错了。

### 注意事项

+ 收集的屏蔽词绝大部分来自于歌词和同传内容。部分涉党政黄赌毒的屏蔽词没列出来，也没必要处理。

+ 这里只列出简体字，对应的繁体字同样会被屏蔽。

+ B站屏蔽词是在变化的，例如"爬", "小学生"有段时间曾经是屏蔽字，现在不是了，但以后仍可能再次被屏蔽。

+ 代码不规范/冗余/处理方法差，望见谅。

### 代码使用示例

#### 使用本项目的屏蔽词库：

```

from BiliLiveAntiShield import BiliLiveAntiShield # 导入反屏蔽类

from BiliLiveShieldWords import rules,words # 导入屏蔽词数据

shield=BiliLiveAntiShield(rules,words,"·") # 创建对象（这里使用"·"作为填充符便于展示）

result=shield.deal("初心 baidu 白菜比猪肉便宜") # 执行反屏蔽处理

print(result) # 打印处理结果

```

输出结果：```初·心 B·aidu 白菜 比猪肉·便宜```

#### 使用自定义的屏蔽词库：

```

# 导入反屏蔽类

from BiliLiveAntiShield import BiliLiveAntiShield

# 自定义屏蔽词库

words=[

    "abc","E#3G","G#2[HI]#1J",

]

rules={

    "(?