我需要分析其中存在的禁止文字。假設黑名單是「禁止」這個詞。這個詞有很多形式。在文中，這個詞可以是，例如：「禁止」，「禁止」，「禁止」。爲了讓這個詞成爲最初的形式，我使用了一個流程詞形化。你的建議？分析文本（詞形變化，編輯距離）
怎麼樣錯別字？
例如：「F0rb1d」。我認爲使用damerau-Levenshtein或其他。你有建議嗎？
而如果文本如下寫：
「ForbiddenInformation.Privatecorrespondenceofthecompany。」 OR 「F0rb1dden1nformation.Privatecorresp0ndenceofthec0mpany。」 （是的，沒有空白）
如何解決這個問題？
最好是快速算法，因爲文本是實時處理的。
也許有什麼提示，以提高性能（如何存儲等）？
對不起，我的英文。謝謝。
就我所知的算法而言，有兩種可能的解決方案。
您可以嘗試使用動態編程，LCS（最長公用子序列）。它將搜索原文爲所期望的字爲圖案，我相信這是O（MN）：
http://en.wikipedia.org/wiki/Longest_common_subsequence_problem http://www.ics.uci.edu/~eppstein/161/960229.html
雖然容易是使用文本搜索算法。我知道的最好的是KMP它是O（n）。對於字符比較，您可以將它們分組爲如{i I l（L）1}，{o O 0}等集合。但你可以修改這個不匹配所有字母（禁止 - >禁止）。
http://en.wikipedia.org/wiki/Knuth-Morris-Pratt_algorithm
所以，現在你可以比較這兩個和你的建議的好處。
您也可以使用RegEx Matches來檢查單詞。 http://www.c-sharpcorner.com/uploadfile/prasad_1/regexppsd12062005021717am/regexppsd.aspx
不完全重複，但類似[問題]（http://stackoverflow.com/questions/246961/algorithm-to-find-similar-text）[tions]（http://stackoverflow.com/questions/4067105 /檢測重複的相似文本 - 中 - 大數據集）。 – khachik 2011-04-03 15:34:02