Question

我是regex的新手，我正在编写一个用于评论功能的高级亵渎过滤器（在C＃中）。为了节省时间，我知道所有过滤器都可以被愚弄，无论它们有多好，你都不必告诉我。我只是想让它比基本的单词替换更先进。我把任务分成几个单独的方法，这就是其中之一。

我需要的是一个特定的正则表达式，它可以捕获这些字符串：

s_h_i_t
s h i t
S<>H<>I<>T
s_/h_/i_/t
s***h***i***t

你明白了。我想我正在寻找的是一个正则表达式，上面写着“一个或多个不是字母数字的字符”。这应该包括空格和您可以在标准（西方）键盘上键入的所有特殊字符。如果可能的话，它还应该包含换行符，所以它会捕获像

这样的东西

s
h
i
t

应始终至少存在一个字符，以避免可能的误报，例如

Finish it.

这当然意味着像

这样的事情

sh_it

不会被抓住，但正如我所说，没关系，它不一定是完美的。我需要的只是正则表达式，我可以自己分词并插入正则表达式。我在C＃代码中设置了RegexOptions.IgnoreCase选项，因此实际单词中的字符大小写不是问题。此外，这个正则表达式不应该担心“leetspeek”，即该单词的一些实际字母被其他字符替换：

sh1t

我有一个不同的方法来解决这个问题。提前感谢您的帮助。

Answer 1

让我们看看这个正则表达式是否适合你：

/\w(?:_|\W)+/

Answer 2

\bs[\W_]*h[\W_]*i[\W_]*t[\W_]*(?!\w)

匹配非字母字符或字符_或空白字符（也是新换行符）的字母之间的字符
\b（字边界）确保Finish it不匹配
(?!\w)确保sh ituuu不匹配，您可能想删除/修改它，因为s_hittt也不匹配。 \bs[\W_]*h[\W_]*i[\W_]*t+[\W_]*(?!\w)会将该字与重复的最后一个字符匹配
修改\bs[\W_]*h[\W_]*i[\W_]*t[\W_]*?(?!\w)会使最后一个字符类的匹配不贪婪，而sh it&&&只有sh it匹配
\bs[\W\d_]*h[\W\d_]*i[\W\d_]*t+[\W\d_]*?(?!\w)将匹配sh1i444t（字符间的数字）

修改

（？！\ w）是一个负向前瞻。它基本检查您的匹配是否后跟一个单词字符（单词字符为[A-z09_]）。它的长度为0，这意味着它不会包含在匹配中。如果你想捕捉像“s * h * i * tface”这样的词，你将不得不删除它。（http://www.regular-expressions.info/lookaround.html）

一个单词booundrary [/ b]匹配单词开头或结尾的地方，它的长度为0，表示它在字符之间匹配

[/ W]是负字符类，我认为它等于[^ a-zA-Z0-9_]或[^ \ w]

Answer 3

好吧，HamZa的答案奏效了。但是，在处理解决方案时遇到了程序问题。当我更换单词时，我总是知道这个单词的长度。所以我确切地知道要用多少星号代替它。如果我匹配shit，我知道我需要输入4个星号。但如果我匹配s[^a-z0-9]+h[^a-z0-9]+[^a-z0-9]+i[^a-z0-9]+t，我可能会抓住s#h#i#t或我catch s------h------i--------t。在这两种情况下，匹配文本的长度将与模式的长度大不相同。如何获得匹配字符串的实际长度？

正则表达式用于捕捉字母之间的特殊字符

3 个答案: