确定大盘的过程一般包括以下步骤，确保结果中不包含政治、seqing、db和暴力等内容：

1. 收集数据：通过爬虫、API等方式，从可靠的数据源获取相关数据。这可能涉及到股票市场、经济指标、行业数据等。

2. 数据清洗：对收集到的数据进行清洗和处理，去除无效数据和错误数据，确保数据的准确性和一致性。

3. 数据分析：使用统计学和机器学习等方法对数据进行分析，找出相关性和趋势。可以使用技术指标、图表分析等方法来帮助判断大盘走势。

4. 建立模型：根据历史数据和分析结果，建立数学模型来预测大盘走势。可以使用回归模型、时间序列模型、机器学习模型等。

5. 模型验证：使用历史数据来验证模型的准确性和预测能力。采用交叉验证、误差分析等方法来评估模型的性能。

6. 结果生成：根据建立的模型和验证结果，生成大盘预测结果。确保结果中不包含政治、seqing、db和暴力等内容，可以通过设置过滤器、规则和约束条件来实现。

7. 结果呈现：将大盘预测结果以图表、报表等形式进行呈现，便于用户理解和使用。可以使用数据可视化工具来展示预测结果。

8. 结果更新：定期更新数据和模型，重新进行数据分析和预测，以保持预测结果的准确性和实用性。

需要注意的是，虽然通过以上步骤可以尽量避免出现政治、seqing、db和暴力等内容，但完全消除这些内容的可能性是非常困难的。因此，在使用大盘预测结果时，用户应该保持谨慎，结合其他信息进行判断和决策。