Question

我有一个应用程序，我的用户可以写评论。但我希望过滤侮辱特殊字符。

string comment = "Ðick"; // With special "Ð".

comment = Regex.Replace(comment, @"[^a-z0-9 ]", "[a-z]"); // Replace special char by "[a-z]"
Regex regex = new Regex(@""+comment +""); // @"[a-z]ick"

return (regex.IsMatch("dick")) ? true : false;

当注释只是“Ðick”时，该函数返回true，但如果注释为“Ðickwith another word”，则该函数返回false。为什么呢？

Answer 1

你要做的事情往往是通过Canonical分解加上剥离＆＃34;组合变音符号＆＃34;来完成的。您无法使用纯正则表达式执行此操作...即使只有少量C＃，您也必须手动为某些字符执行此操作（例如Ð到D或Ø到O）。对于其他一些角色，您可以使用更多＆＃34;自动化＆＃34;使用è的方式（例如e到string.Normalize），例如：

string comment = "Ðè";

// Here we split (è) to U+0065 (e) U+0300 (̀)
string commentNormalized = comment.Normalize(NormalizationForm.FormD);

// Here we remove all the UnicodeCategory.NonSpacingMark
// that are the diacritics like U+0300 (̀)
// and rebuild the string. This line can be speedup a little, but
// it would be longer to write :-)
string comment2 = new string(commentNormalized.Where(x => char.GetUnicodeCategory(x) != UnicodeCategory.NonSpacingMark).ToArray());

现在comment2是"Ðe"。

这是因为è有一个＆＃34; Canonical分解＆＃34; U+0065 (e) U+0300 (̀)，因此您可以发现è是＆＃34;类似的＆＃34;至e，而对于Ð它是＆＃34; Canonical分解＆＃34;仍然是U+00D0 (Ð)所以相同的角色。

你要做的事情是徒劳的：当你禁用一个角色时，用户会找到另一个类似的＆＃34;你听说过Leet吗？ D1ck（1而不是i）比你的话更好吗？： - ）

通常情况下，拥有一个包含Dork和Ðork的禁止字词＆＃34;的字典通常会更好，并且当您找到＆＃34;的新排列时，通常会更好。进攻＆＃34;单词，你只需添加它。人类的幻想是无限的...所以你的字典必须是:-)但是一次一个字。

Regex.IsMatch返回false

1 个答案: