是否有任何算法来判断字符串是否有意义

Question

问题是，我必须扫描可执行文件并查找要分析的字符串，使用sysinternals中的strings.exe。但是，如何区分有意义的字符串和平凡的字符串，是否有任何算法或思想来解决这个问题（统计？概率？）。

例如： 从strings.exe中提取字符串（所有字符串的一部分）

S`A
waA
RmA
>rA
5xA
GetModuleHandleA
LocalFree
LoadLibraryA
LocalAlloc
GetCommandLineW

从经验判断来看，最后五个字符串是有意义的，而前五个字符串则不是。 那么如何解决这个问题，不要使用像黑名单或白名单这样的字典。

Answer 1

简单算法：将候选字符串分解为第一个大写/空白/数字上的单词，然后将单词与某些字典进行比较。

Answer 2

使用N-Grams N-Gram会告诉你单词有意义的概率是多少。阅读马尔可夫链和n-gram（http://en.wikipedia.org/wiki/N-gram）。将每个字母视为国家，并采取一组有意义和无意义的词。例如：

无意义的单词是B^^@, #AT

普通单词：BOOK, CAT

为他们创建两个语言模型（trigram将是最好的）http://en.wikipedia.org/wiki/Language_model

现在您可以检查可能生成的模型单词，并且语言模型的概率大于其他模型。这将满足您的条件

请记住，你需要一套毫无意义的单词（我认为1000左右就可以了）而且没有意义

Answer 3

对于有意义的单词是否有明确的规则？或者他们只是字典中的单词？ 如果它们是字典中的单词，那么您可以使用trie's

你可以查找一个单词，直到下一个char没有大写。如果它的大写然后从特里开始，并寻找下一个单词。

只需2美分。

• 的Ivar