我不确定如何确切地说出这个问题，所以这是一个例子：
string1 =“THEQUICKBROWNFOX” string2 =“KLJHQKJBKJBHJBJLSDFD”
我想要一个将string1高于string2和其他一百万个乱码字符串的函数。注意缺少空格，所以这是一个逐字符的功能，而不是逐字逐句。
在90年代，我在Delphi中编写了一个三元组评分函数，并用来自Huck Finn的三元组填充它，我正在考虑将代码移植到C或Python或将其插入一个独立的工具，但必须有现在更有效的方法。我会这样做数百万次，所以速度很快。我尝试了Reverend.Thomas Beyse（）python库并使用一些全部大写字符串训练它，但它似乎需要单词之间的空格，因此返回得分[]。我发现了一些马尔可夫链库，但它们似乎也需要单词之间的空格。虽然从我对他们的理解，我不明白为什么会这样......
无论如何，我做了很多密码分析，因此将来使用空格和标点符号的评分函数会有所帮助，但是现在我只需要ALLCAPITALLETTER。
感谢您的帮助！
答案 0 :(得分：9)
我会从一个简单的概率模型开始，看看每个字母的可能性，给定前一个（可能是空的，在单词的开头）字母。您可以基于字典文件构建它。然后，您可以将此扩展为使用2或3个前一个字母作为上下文，以在初始模型不够好时调整概率。然后乘以所有概率得到单词的分数，如果要对结果进行标准化，可以取第N个根（其中N是字符串的长度），这样就可以比较不同长度的单词。
答案 1 :(得分：2)
我不明白为什么马尔可夫链无法修改工作。我会创建一个排序的文本文件字典，并读取它以初始填充数据结构。您只需使用一串n个字母来预测下一个字母，而不是n个字来预测下一个字。然后，您可能想要提取下一个字母的概率，而不是随机生成一个字母。例如，如果您有当前的“TH”链并且下一个字母是“E”，您将转到您的地图，并看到“E”跟随“TH”的概率。就个人而言，我只是在循环字符串时简单地将所有这些概率加起来，但是如何从概率中精确地创建得分取决于你。您可以将其标准化为字符串长度，以便比较短字符串和长字符串。
现在我考虑一下，这种方法会支持字符较长的字符串，因为字典不包含短语。然后，您不仅可以使用单个单词填充字典，还可以删除删除空格的短语。然后，得分不仅会根据单词的英语得分而得分，而是英语系列单词的得分。它不是一个完美的系统，但它会提供一致的评分。
答案 2 :(得分：0)
我不知道它是如何运作的，但Mail::SpamAssassin::Plugin::TextCat分析电子邮件并猜测它是什么语言（支持几十种语言）。
答案 3 :(得分：0)
巧合指数在这里可能会有所帮助，请参阅https://en.wikipedia.org/wiki/Index_of_coincidence。
首先，只计算IC与预期值1.73的差异（参见上面的维基百科）。对于高级用法，您可能希望使用一些示例语言语料库来自己计算期望值。
答案 4 :(得分：-1)
我想也许你可以在这里应用一些文字到语音合成的想法。特别是，如果语音合成程序能够为单词生成发音，则可以将其视为“英语”。
预处理步骤称为 grapheme-to-phoneme conversion ，通常会导致将字符串映射到声音的概率。
Here's a paper描述了解决此问题的一些方法。 （我不认为这篇论文是权威的，因为它只是一个排名很高的搜索结果，而且我在这个领域并没有真正的专业知识。）