下一步，用拼音搜索屏蔽词？

redraiment, 2009-07-19

　　最近，国外的Twitter、国内的饭否相继遭墙，与此相似的一些网站也都组织调整。

　　比如“做啥网”表态准备上线搜索屏蔽词功能，就是类似 baidu 和 g.cn 的“据当地法律法规和政策，部分搜索结果未予显示。”

　　这我让回忆起以前逛论坛时看的帖子，很多论坛（例如DVBBS）都自带屏蔽敏感词功能，如果帖子中有词组与后台敏感词数据库匹配得上，就用‘*’来代替。我尤记得周杰伦的《听妈妈的话》被系统自动改成《听妈**话》。

　　但他们也提到：现在的网友也很厉害，会运用谐音啊或者自己创造一些词语，婉转表达敏感信息。理论上需要每条信息人工审核后才能发布，不过限于人力，目前“做啥”还没有准备这样做。

　　这我在想起很多年前用WinTC时里面自带了一个点阵字模工具，除了能将一个汉字转换成点阵字模，还会用这个汉字的拼音来做数组名。当时很好奇，就去找了一点相关了资料，才知道像GBK、Unicode等编码本身就是和拼音相关的。撇开这些不算，即使直接对65536个汉字建立映射表，假设汉字2个字节，拼音最长的zhuang算6个字节，整个映射表也不到1MB的空间。

　　所以，为相应有关部门的号召，也许不久的将来论坛、微博等会采用拼音来搜索敏感词汇的工具来。到时候“草泥马”此类神兽通通都得贴上和谐标签。