新手正则表达式问题 - 检测垃圾邮件

Question

这是我的正则新手问题：

• 如何检查字符串是否包含3个垃圾字？ （例如：伟哥，药片和商店）
• 如何检测“v-iagra”或“v.iagra”等垃圾词的变体？ （另外一个角色）

Answer 1

正则表达式似乎不是这个特殊钉子的正确锤子。对于您的列表，您可以简单地将所有列入黑名单的单词放入某种排序列表中，并针对该列表扫描每个标记。直接字符串操作总是比调用正则表达式引擎更快。

对于你的变体（“v-iagra”，et.al），我会删除所有非字符（如@Kinopiko建议的那样），然后再次将它们移过你的黑名单。如果你对“viiagra”等事情保持警惕，我会查看Aspell。它是一个很棒的库，看起来像CPAN有一个Perl绑定。

Answer 2

  

如何检查字符串是否包含3个垃圾字？ （例如：伟哥，药片和商店）

发现这三个单词中的任何一个的正则表达式可能看起来像这样（Perl）：

if ($string =~ /(viagra|pills|shop)/) {
    # spam
}

如果你想发现所有这三个，单凭正则表达式还不够：

my $bad_words = 0;
while ($string =~ /(viagra|pills|shop)/g) {
     $bad_words++;
}
if ($bad_words >= 3) {
     # spam
}

  

如何检测“v-iagra”或“v.iagra”等垃圾词的变体？ （另外一个角色）

只用正则表达式来做这件事并不容易。你可以试试像

这样的东西

 $string =~ s/\W//g;

删除所有非字字符。和 - ，然后使用上面的测试检查字符串。这也会剥夺空间。