17370845950

本文详解如何使用 `commands.cog.listener()` 正确检测用户消息中是否包含服务器配置的禁用词汇，并精准触发删除与提醒，避免误删、漏检及性能问题。

在 Discord.py 中实现敏感词过滤时，一个常见误区是错误地遍历字符串字符而非单词，或混淆了“子串匹配”与“精确词项匹配”。你原始代码中的核心问题在于这一行：

for word in ' '.join(x for x in xxx2):

这实际上将 xxx

2（如 "cat dog mouse"）转为单个字符串后，再对其每个字符进行迭代（即 'c', 'a', 't', ' ', 'd'…），而非按单词分割。因此 'noob' 被误删，是因为其中的 'o' 或 'b' 碰巧出现在 xxx2 字符串中——这完全违背了“匹配完整禁用词”的设计目标。

✅ 正确做法是：将禁用词存为 list 或 set，将消息内容按空格分词，然后检查消息中的任一完整单词是否精确存在于禁用词集合中。推荐写法如下：

@commands.Cog.listener()
async def on_message(self, message):
    if message.author.bot:
        return

    # ✅ 高效获取：建议提前缓存 bwl（见文末优化说明）
    bwl = GetWF(message.guild.id)  # 返回如 ['cat', 'dog', 'mouse']

    if not bwl:  # None 或空列表均跳过
        await self.bot.process_commands(message)
        return

    # ✅ 推荐：转为小写 set 提升查找效率 & 统一大小写匹配
    banned_set = {word.strip().lower() for word in bwl}

    # ✅ 精确单词匹配：split() 分词 + lower() 统一格式
    words_in_msg = message.content.lower().split()

    if any(word in banned_set for word in words_in_msg):
        try:
            await message.delete()
            await message.channel.send(f"`HEY {message.author.name}!\nThat word is banned!`")
        except discord.Forbidden:
            # 权限不足时静默处理（比 broad except 更安全）
            pass
        except Exception as e:
            # 其他异常建议记录日志，而非忽略
            print(f"[BWL Filter Error] {e}")

    # ⚠️ 必须调用，否则命令无法被识别
    await self.bot.process_commands(message)

? 关键改进点说明：

• banned_set = {...} 使用 set 实现 O(1) 查找，比 list in 快得多；
• message.content.lower().split() 确保按单词粒度匹配（非子串），且忽略大小写；
• any(...) 短路求值：一旦发现一个匹配词即触发动作，无需遍历全部；
• 显式捕获 discord.Forbidden 而非泛用 except Exception，便于调试和维护。

⚠️ 重要注意事项：

1. 性能优化：GetWF(guild.id) 若涉及数据库/网络请求，请不要在 on_message 中实时调用。应改用启动时预加载 + 缓存机制（例如 self.bwl_cache = {}，配合定时刷新或事件更新），否则每条消息都查库将严重拖慢响应并增加延迟。
2. 匹配精度局限：当前方案仅支持完整单词精确匹配。若需支持标点过滤（如 "mouse!"）、词干变形（如 "dogs" → "dog"）或模糊匹配，需引入正则（re.sub(r'[^\w]', ' ', msg)）、NLP 库（如 nltk）或专用敏感词库（如 ahocorasick）。这类进阶需求建议单独设计模块，避免污染基础监听逻辑。
3. 权限校验：确保机器人拥有 Manage Messages 权限，否则 message.delete() 必然失败。

? 总结：敏感词过滤的本质是「集合成员判断」，而非字符串扫描。坚持「数据结构合理化（set）+ 输入标准化（lower/split）+ 匹配语义明确化（in）」三原则，即可写出健壮、高效、易维护的过滤逻辑。