重複字母的Java正則表達式

Question

我找不到匹配重複字母的正則表達式。我的問題是我想用正則表達式來過濾垃圾郵件，例如，我想用正則表達式來檢測這些字符串中的「垃圾郵件」和「viagra」： 「xxxSpAmyyy」， 「xxxSPAMyyy」， 「xxxvI a Gr AA yyy「， 」xxxV iiA gR a xxx「

您有任何建議，我怎麼做到這一點很好？

Answer 1

這忽略的情況下，這需要他們是否是一個接一個地排列，或者有其他字符在他們

之間

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

如果你知道有多少個字符可以是字母之間，你可以進入 .{0,max_distance}代替 .{0,}

UPDATE：

它的工作即使是重複的，因爲我已經嘗試過：

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"); 
    } 

這將打印Yes

Answer 2

喜歡搜查？

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

見Pattern

---

代碼：

這留下空間字符之間0至3個字符。我沒有編譯以下內容， 但它「應該工作」。

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()); 
} 

Answer 3

我認爲，你在錯誤的方式。垃圾郵件的過濾與機器學習密切相關。我建議你閱讀大約Bayesian spam filtering。

如果你想，你會得到與拼寫錯誤的單詞（和其他垃圾的種類）的垃圾郵件 - 我建議使用不是基於整個單詞的過濾，但n-grams。

Answer 4

你試過任何正則表達式嗎？

喜歡的東西\w*[sSpPaAmM]+\w*應該做的伎倆

您可以測試在這個網站你的RE：http://www.regexplanet.com/advanced/java/index.html

Answer 5

你可以嘗試使用positive look-aheads

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

編輯：

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