要判断一段文本是否包含政治、seqing、db和暴力等内容，可以使用以下几个步骤：

1. 文本预处理：首先，需要对文本进行预处理，包括去除特殊字符、标点符号和HTML标签等。可以使用正则表达式或者专门的文本处理库来实现。

2. 分词处理：将文本进行分词处理，将长句子切分成多个词语或短语。可以使用中文分词工具（如jieba）或英文分词工具（如NLTK）来实现。

3. 构建语料库：为了能够对文本进行分类，需要构建一个包含政治、seqing、db和暴力等内容的语料库。这个语料库可以包含已经标记好类别的文本，可以是手动标注的或者从公开数据集中获取的。

4. 特征提取：从语料库中提取特征，用于训练模型。常用的特征提取方法包括词袋模型（Bag-of-Words）、TF-IDF（Term Frequency-Inverse Document Frequency）等。这些特征提取方法可以将文本转化为向量表示。

5. 训练模型：使用提取的特征和标记好类别的语料库，训练一个分类模型。常用的分类算法包括朴素贝叶斯、支持向量机、逻辑回归等。可以使用机器学习库（如scikit-learn）或深度学习框架（如TensorFlow、PyTorch）来实现。

6. 文本分类：使用训练好的模型对待判断的文本进行分类。将待判断的文本转化为特征向量，然后使用训练好的模型进行预测。如果预测结果中包含政治、seqing、db和暴力等内容，则判定为不符合要求。

需要注意的是，以上方法只是一种基本的文本分类方法，对于复杂的文本判断任务可能需要更加复杂的模型和特征提取方法。此外，还可以结合其他技术，如文本过滤规则、人工审核等，来提高判断的准确性。