如何使用Perl检测俄罗斯垃圾邮件？

Question

我有一个用perl编写的英语论坛网站，该网站不断受到俄语垃圾邮件的轰炸。有没有办法使用Perl和正则表达式来检测俄语文本，以便我可以阻止它？

Answer 1

您可以使用以下方法检测Cyrillic个字符（俄语使用）：

[\u0400-\u04FF]+

如果您真的只想要俄文字符，可以查看上述文件，其中包含用于基本俄语字母[\u0410-\u044F]的确切范围。当然，您还需要考虑专门用于俄语的扩展西里尔字符 - 也在文档中提到。

Answer 2

使用JG建议的unicode西里尔字符集很好，如果所有内容都按此编码。然而，这是垃圾邮件，而且大部分情况都不是。此外，垃圾邮件发送者经常在垃圾邮件中混合使用字符集，这进一步搞砸了这种方法。

我发现检测俄语垃圾邮件的最佳方式（或者至少是过程中的初步步骤）是为最常用的字符集提供grep：

koi8-r
windows-1251
iso-8859-5

之后的下一步是尝试使用剩余的语言检测算法。如果这是一个足够大的问题，使用付费服务，如谷歌翻译（也“检测”）或复印。这些服务为IMO提供了最好的语言检测。