要筛选出不含政治、seqing、db和暴力等内容的指标，可以按照以下步骤进行：

1.明确筛选目标：确定需要筛选的指标类型和内容。例如，可以是网页、文章、视频等，需要排除的内容包括政治、seqing、db和暴力等。

2.建立词库：创建一个包含政治、seqing、db和暴力等相关词汇的词库。这些词汇可以是敏感词、关键词或者特定领域的术语，可以通过网上搜索或专业数据库获得。确保词库中包含尽可能多的相关词汇，以提高筛选的准确性。

3.文本分析：使用自然语言处理（NLP）技术对待筛选的文本进行分析。NLP技术可以帮助提取文本中的关键词、实体、主题等信息，并进行分类和判断。

4.关键词过滤：将待筛选的文本与词库进行对比，检查文本中是否包含词库中的敏感词。如果文本中包含任何敏感词，则将其排除。

5.主题分类：利用文本分类算法对待筛选的文本进行主题分类。通过训练模型，将文本分为政治、seqing、db、暴力和其他无关主题等类别。对于属于敏感主题的文本，将其排除。

6.人工审核：采用机器学习算法对大量文本进行筛选后，可能仍然存在一些边界情况。为了确保筛选结果的准确性，可以进行人工审核。人工审核可以通过专业人员进行，也可以通过众包平台或社区来完成。

7.持续更新：定期更新词库，并对筛选算法进行优化和改进。随着时间的推移，新出现的敏感词汇和主题也需要被纳入筛选范围。

需要注意的是，完全排除所有政治、seqing、db和暴力等内容是一项挑战性的任务，因为词语的多义性和上下文的复杂性可能导致一些误判。因此，在筛选指标时，需要综合考虑多种技术手段并与人工审核相结合，以提高筛选的准确性和效果。