删除文本中的垃圾邮件网址

Question

输入：

  

dsfdsf www。 cnn .com dksfj kdsfjkdjfdf   www.google.com dkfjkdjfk w w w。亚   hoo .co mdfdd

输出：

  

dsfdsf dksfj kdsfjkdjfdf dkfjkdjfk mdfdd

如何编写在C＃中执行此操作的函数？

Answer 1

基本上你必须实施两个步骤：

1. 正常化
2. 过滤

标准化意味着您将从输入中删除所有空格和其他噪声字符，然后将所有变音符号，特殊字符等转码为基本拉丁字母（这是将相同或相似的字形映射到一个单个字符，例如omicron和o看起来相同）。您需要保留从输入的规范化版本到原始输入的一对一映射。

然后，您将搜索标准化输入以查找被阻止的模式，检索原始输入中的相同模式并将其删除。

当然，这种方法不是故障安全的，实际上你可能会得到误报。

可以在此处找到描述简单过滤注定失败的好答案：

  

How do you implement a good profanity filter?

Answer 2

首先了解C＃中的RegEx (Regular Expression) facilities，然后您需要一个好的RegEx that matches a URL。您需要更改此选项以管理包含空格的网址。