• English Version

Bacot

Library Go untuk deteksi kata kotor Bahasa Indonesia. Ringan, cepet, paham imbuhan, zero dependency.

Instalasi

go get -u github.com/yumiodd/bacot/src

Penggunaan

package main

import bacot "github.com/yumiodd/bacot/src"

func main() {
	b := bacot.New()

	// Cek: kasar apa nggak?
	b.Text("mebabi").Scan().IsProfane()     // true
	b.Text("kelas").Scan().IsProfane()      // false

	// Sensor: biar keliatan sopan
	b.Text("babi dan anjing").Collect(true).Scan().Censor()
	// "**** dan ******"

	// Ekstrak: siapa aja yang kena?
	res := b.Text("asu babi bacot").Collect(true).Scan()
	res.Extract() // ["asu", "babi", "bacot"]
	res.Count()   // 3
}

Catatan: New() itu berat karena precompute semua varian imbuhan. Panggil sekali aja, simpan sebagai singleton, jangan bikin baru tiap request.

Kenalan

Masalah	Contoh	Bacot
Imbuhan	mebabi	Sok pake imbuhan? ketauan babi-nya
Leet speak	4njing	Ganti angka percuma, tetep kecium
Stack karakter	anjiiiiing	Udah di-unstack, tetep anjing
False positive	babiru	ru bukan suffix, skip (OK)
Suffix valid	memakan	stem preffix me+makan, bersih, skip (OK)
Speed	Sensor 10Kb	172 microsecond

Fitur

Affix-aware -- senjata utama

Bacot paham imbuhan Indonesia native. Nggak perlu bikin pattern manual.

b.Text("mebabi").Scan().IsProfane()        // true
b.Text("penganjing").Scan().IsProfane()    // true
b.Text("dimakani").Scan().IsProfane()      // false -- di-makan-i
b.Text("mebabi").Affix(false).Scan()...    // false -- exact match aja

Prefix yang didukung: me-, pe-, di-, te-, be-, ber-, ter-, per-, meng-, peng-, men-, pen-, meny-, peny-, mem-, pem-, ng-, ny-.

Plus nasal fusion: memukul = mem- + pukul. Kamus isi pukul, Bacot ngerti sendiri.

Leet speak -- pura-pura pake angka

b.Text("4njing").WithLeetSpeak().Scan().IsProfane() // true -- nice try

Unstack char

b.Text("anjiiiiing").Scan().IsProfane() // true

Recursive scan

Mendeteksi kata kotor yang nempel di substring. xbabi tetap ketemu babi.

b.Text("xbabi").RecursiveScan().IsProfane() // true

Kamus kustom

b.AddWord("setan")              // varian imbuhan digenerate otomatis
b.Dict.DelWords("anjing")       // hapus dari kamus
b.AddFalsePositive("kelas")     // cegah false match

Konfigurasi

Pipeline bisa diatur sendiri lewat ModalScanConfig:

b.Config(&bacot.ModalScanConfig{
	Affix:   false,    // exact match aja
	Collect: true,     // kumpulin semua
	Order: []bacot.SanitizeOrder{
		bacot.WithLeetSpeak,
		bacot.UnstackChar,
	},
})

Default pipeline: Emoji -> ReplaceWhiteSpace -> SanitizeReadSign -> ReplaceWhiteSpace -> UnstackChar -> Affix(true)

Cara kerja

1. Varian imbuhan precomputed -- pas New(), semua kata dasar + varian me-, ber-, meng-, dll udah masuk map. Scan = O(1) lookup. Nggak ada stemming di runtime.

2. Length histogram pre-filter -- kalau dictionary cuma punya kata 3-8 karakter, token 11 karakter langsung di-skip tanpa lookup.

3. False positive filter -- sisa stripping dicek: kalau suffix dikenal (-kan, -an, -i, -nya) dianggap valid. Cuma sisa non-suffix <=1 suku kata yang di-skip (babiru -> ru).

Benchmark

Operasi	Waktu
Cek kata	~6 ns
Scan kalimat	~531 ns
Sensor 10Kb	~172 us

Lisensi

MIT