文本刪除垃圾郵件URL

Question

輸入：

dsfdsf WWW。 cnn .com dksfj kdsfjkdjfdf www.google.com dkfjkdjfk w w w。雅 呼.CO mdfdd

輸出：

dsfdsf dksfj kdsfjkdjfdf dkfjkdjfk mdfdd

我怎樣寫，做這在C＃中的作用？

Answer 1

首先在C＃中學習RegEx (Regular Expression) facilities，然後您需要一個良好的RegEx that matches a URL。你需要改變它來管理帶有空格的URL。

Answer 2

基本上你就必須實現兩個步驟：

1. 正常化
2. 過濾

規範化意味着你會從你的輸入中刪除所有的空白和其他噪聲的字符，然後你做一個將所有變音符，特殊字符等轉碼爲基本的拉丁字母（這是爲了將相同或相似的字形映射爲單個字符，例如omicron和o看起來相同）。您需要保留從規範化版本的輸入到原始輸入的一對一映射。

然後，您將搜索標準輸入的阻塞模式，檢索原始輸入中的相同模式並將其刪除。

當然，這種方法不是故障安全的，實際上可能會出現誤報。

一個很好的答案描述簡單的過濾是如何註定可以在這裏找到：

How do you implement a good profanity filter?