我找不到匹配重复字母的正则表达式。我的问题是我想使用正则表达式来过滤垃圾邮件,例如,我想使用正则表达式来检测这些字符串中的“垃圾邮件”和“伟哥”: “xxxSpAmyyy” “xxxSPAMyyy” “xxxvI a Gr AA yyy”, “xxxV iiA gR a xxx”
你有什么建议以我的方式做得好吗?
答案 0 :(得分:0)
喜欢搜索这个?
"v.{0,3}i.{0,3}a.{0,3}g.{0,3}r.{0,3}a"
请参阅Pattern
的代码:强> 的
这会在字符之间留出0到3个字符的空格。我没有编译以下内容, 但它“应该有效。”
String[] strings = new String[] { ""xxxV iiA gR a xxx"" };
final Pattern spamPattern = makePattern("viagra");
for (String s : strings) {
boolean isSpam = spamPattern.matcher(s).find();
if (isSpam) {
System.out.println("Spam: " + s);
}
}
...
Pattern makePattern(String cusWord) {
cusWord = cusWord.toLowerCase();
StringBuilder sb = new StringBuilder();
sb.append("(?i)"); // Case-insensitive setting.
for (int i = 0; i < cusWord.length(); ) {
int cp = cusWord.codePointAt(i);
i += Character.charCount(cp);
if ('o' == cp) {
sb.append("[o0]");
} else if ('l' == cp) {
sb.append("[l1]");
} else {
sb.appendCodePoint(cp);
}
sb.append(".{0,3}"); // 0 - 3 occurrences of any char.
}
return Pattern.compile(sb.toString());
}
答案 1 :(得分:0)
这忽略了这种情况,它们是否是一个接一个,或者它们之间还有其他字符需要它们
"(?i).{0,}v.{0,}i.{0,}a.{0,}g.{0,}r.{0,}a.{0,}"
如果您知道字母之间可以有多少个字符,则可以输入.{0,max_distance}
而不是.{0,}
更新:
它甚至适用于重复项,因为我已经尝试过了:
String str = "xxxV iiA gR a xxx";
if(str.matches("(?i).{0,}v.{0,}i.{0,}a.{0,}g.{0,}r.{0,}a.{0,}")){
System.out.println("Yes");
}
else{
System.out.println("No");
}
这会打印Yes
答案 2 :(得分:0)
我想,你的方向错了。过滤垃圾邮件与机器学习密切相关。我建议你阅读 Bayesian spam filtering 。
如果你认为,你会收到拼写错误的单词(以及其他类型的垃圾)的垃圾邮件 - 我建议不要使用基于整个单词的过滤,而是基于 n-grams 强>
答案 3 :(得分:0)
你试过任何正则表达式吗?
\w*[sSpPaAmM]+\w*
之类的东西可以做到这一点
您可以在此网站上测试您的RE:http://www.regexplanet.com/advanced/java/index.html
答案 4 :(得分:0)
您可以尝试使用positive look-aheads
(?=.*v)(?=.*i)(?=.*a)(?=.*g)(?=.*r)(?=.*a).*
编辑:
(?=.*v.*i.*a.*g.*r.*a.*).*