重复字母的Java正则表达式答案

【问题标题】：Java regular expression for repeated letters重复字母的Java正则表达式
【发布时间】：2012-12-03 00:31:35
【问题描述】：

我找不到匹配重复字母的正则表达式。我的问题是我想使用正则表达式来过滤垃圾邮件，例如，我想使用正则表达式来检测这些字符串中的“垃圾邮件”和“伟哥”： "xxxSpAmyyy", "xxxSPAMyyy", "xxxvI 一个 Gr AA yyy", "xxxV iiA gR a xxx"

您对我如何以一种好的方式做到这一点有什么建议吗？

【问题讨论】：

到目前为止你有没有尝试过？

标签： java regex

【解决方案1】：

这会忽略大小写，无论它们是一个挨一个，还是它们之间有其他字符

"(?i).{0,}v.{0,}i.{0,}a.{0,}g.{0,}r.{0,}a.{0,}"

如果你知道字母之间可以有多少个字符，你可以输入.{0,max_distance}而不是.{0,}

更新：

它甚至适用于重复，因为我已经尝试过了：

    String str = "xxxV iiA gR a xxx";

    if(str.matches("(?i).{0,}v.{0,}i.{0,}a.{0,}g.{0,}r.{0,}a.{0,}")){
        System.out.println("Yes");
    }
    else{
        System.out.println("No");
    }

这打印Yes

【讨论】：

我试过这个，当字符串中有一个或多个字母重复时它不起作用，因为最后一个字符串有（“ii”）。但这是迄今为止最好的建议。
是的，对不起。我的错误是我尝试使用 max_distance = 5，它太小了，当 max_distnce > 5 时它可以工作！例如，我认为这是“v”和“i”之间的距离，而不是单词的长度。

【解决方案2】：

我想，你走错路了。垃圾邮件的过滤与机器学习密切相关。我建议你阅读一下Bayesian spam filtering。

如果您认为您会收到拼写错误的垃圾邮件（以及其他类型的垃圾） - 我建议您不要使用基于整个单词的过滤，而是基于 n-grams .

【讨论】：

这只是一个例子，我需要正则表达式来匹配这些类型的文本，垃圾邮件过滤器不需要，但感谢您的输入。

【解决方案3】：

喜欢搜索这个？

"v.{0,3}i.{0,3}a.{0,3}g.{0,3}r.{0,3}a"

见Pattern

代码：

这会在字符之间留出 0 到 3 个字符的空间。我没有编译以下内容，但它“应该有效。”

String[] strings = new String[] { ""xxxV iiA gR a xxx"" };
final Pattern spamPattern = makePattern("viagra");
for (String s : strings) {
    boolean isSpam = spamPattern.matcher(s).find();
    if (isSpam) {
        System.out.println("Spam: " + s);
    }
}
...
Pattern makePattern(String cusWord) {
    cusWord = cusWord.toLowerCase();
    StringBuilder sb = new StringBuilder();
    sb.append("(?i)"); // Case-insensitive setting.
    for (int i = 0; i < cusWord.length(); ) {
        int cp = cusWord.codePointAt(i);
        i += Character.charCount(cp);
        if ('o' == cp) {
            sb.append("[o0]");
        } else if ('l' == cp) {
            sb.append("[l1]");
        } else {
            sb.appendCodePoint(cp);
        }
        sb.append(".{0,3}"); // 0 - 3 occurrences of any char.
    }
    return Pattern.compile(sb.toString());
}

【讨论】：

我试过这个，当字符串中有一个或多个字母重复时不起作用，因为最后一个字符串有（“ii”）。
makePattern 方法很棒！我已经尝试过了，它工作正常，即使在更高级的字符串上，比如“afdkV i AA ggggxRrR aAqwofv”。但我不明白“0-3次出现”不应该是1-3吗？
"Viagra" 因此匹配为 0 个其他字符介于两者之间。

【解决方案4】：

你可以试试positive look-aheads

(?=.*v)(?=.*i)(?=.*a)(?=.*g)(?=.*r)(?=.*a).*

编辑：

(?=.*v.*i.*a.*g.*r.*a.*).*

【讨论】：

你有不匹配字符串的例子吗？

【解决方案5】：

你尝试过任何正则表达式吗？

\w*[sSpPaAmM]+\w* 之类的东西应该可以解决问题

您可以在此站点上测试您的 RE：http://www.regexplanet.com/advanced/java/index.html

【讨论】：

我现在已经试过了，当字符串中有一个或多个字母的重复时它不起作用，因为最后一个字符串有（“ii”），与其他语法有同样的问题，埃根先生建议的。