言語学？⇒ウェブサイト構築。ログインIDに社会通念上悪い文字が含まれてる場合登録付加としたいが禁止文字データの入手方法は？

質問

表題の通りで、

ウェブサイト構築中なのですが、
ログインIDに社会通念上望ましくない文字列（放送禁止用語など）が
含まれている場合は登録付加としたいと思ってます。

でもそれら「禁止文字」のデータはどうやって手に入れることができるでしょうか？

できれば、インターネット上に存在し、
それらデータがアップデートされたら、
自動でそれを取得（ウェブサーバ上のファイルorDBに格納）
できるようにしたいと思っています。

（ちなみに、レンタルサーバですが、VPSという、
　物理的には共有サーバであるものの、
実質は、いろんな設定をしたり、新たなアプリを入れることができます。・・・要は（仮想の）root権限をもっているということです）

ご存じのかたいらっしゃいましたら、
あるいはちょっとした手がかりだけでもいいので、
お教えいただければ幸いです。

以上、よろしくお願いいたします。

回答No.1

tamausagi · ベストアンサー

素人の意見ですが。

そもそも放送禁止用語は各放送局の自主規制です。
規制しているものをわざわざ「これ言いません！」とリスト発表していません。
ネット上に存在するのはそれらに関心ある一般人と、禁止用語・差別用語を研究している学者によるデータです。
データ元は出所がはっきりしないネット上の記事、古い書籍・言語学の専門誌の記事です。
常にアップデートされるものではないと思います。

信用できるページでなくともかまわない！というのであれば「放送禁止用語」でググれば一覧が出ますし、Wikipediaにもリンク貼られてます。

しかし、これらの一覧を見ますと、状況によっては普通の言葉が問題用語として扱われることもあるようです。
また、ケータイサイトなどでちょくちょく見かけるのですが、卑猥な単語を記号や顔文字で分断してハンドルネームにするなどしており、そのような場合を想定すると、文字列で自動的にはねられないのではないでしょうか？
もちろん直接表現は防げるかと思いますが、ログインIDが英数だとすると、同音異義語や語句中の一部がヒットでもはねられますよね……

なかなか大変そうではありますが、「こんなHNつけれないようにすればいいのに！」と少なからず思ったことがあるので、頑張って下さい。