如何检测＆＃34;拼写错误＆＃34;对于某个短语或正则表达式？

Question

如何检测拼写错误，但仅针对特定短语。考虑它的另一种方法是如何检测某个正则表达式的拼写错误。

例如，我不想要一个通用的拼写检查器，我发现了多个资源。我不想要一个通用的拼写检查器，我再次找到了多个资源。

我如何为一个相对恒定的值写一个拼写检查器...说：

超级秘密13-12345

它应该总是说“超级秘密NN-NNNNN”（N表示任何0-9号码）。

它会将以下内容标记为“拼写错误”：

1. Ssuper Secret 13-12345
2. 超级秘密1312345
3. Sper Scret 13-123456
4. Spuer Secret 13-12345
5. 超级秘密
6. 13-12345

NOT 将以下内容标记为“拼写错误”：

1. 超级秘密13-12345
2. 任何其他随机词
3. 超人飞越丛林

我最担心的是额外的字符泄漏，转置字符或不遵循NN-NNNNN格式的数字。

我觉得这是一个值得回答的问题，但我可能不会使用正确的词语向Google或SO询问。

我在.NET中编写它，但显然可以移植任何东西。

Answer 1

这不是一个正则表达式的好地方：你需要一个正则表达式来检测每种可能的拼写错误。相反，你应该看Levenshtein distance。它的工作方式如下：

1. 使用占位符替换所有无效字符，例如“！”。
2. 用不同的占位符替换所有数字，例如“＃”。
3. 从“超级秘密## - #####”计算Levenshtein距离。
4. 如果距离低于某个值且不为0，则返回true。否则，返回false。

实施后，请在步骤4中使用阈值来匹配所需的行为。

编辑：“无效字符”可以表示除“Superct0123456789-”之外的任何字符，或者它可以表示除“ - ”之外的任何非字母数字。最终结果应该是相同的。

Answer 2

为什么不搜索您的数字模式，并查找超级机密信息？如果不存在，则可以捕获其中的所有内容，看看是否是您要查找的拼写错误？然后，您可以添加一个简单的replace-或re.sub（）-以输入正确的拼写？现在，您必须小心，并缓慢构建正则表达式。关于环顾四周的事情不是固定长度，但我现在忘记了是向前看还是向后看是否存在该问题。如果您遇到此问题，则有解决方法。为您的号码分别设置捕获组-严格和特定-为您的短语设置另一个-更加灵活，例如使用？作为量词和已知错误拼写的字符集[sS]。