Регулярное выражение: игнорировать лишние символы

Question

Я пытаюсь выяснить, как обнаружить дополнительные символы в слове спама, например:

pha.rmacy или vi*agra

есть идеи?

Answer 1

Вы можете использовать (не) метрику сходства, такую ​​как расстояние редактирования . Например, расстояние редактирования между vi.agra и viagra равно 1.

Затем вы определяете, что данное слово совпадает со словом спама, если расстояние между ними меньше определенного порога, например, скажем, 2.

Но если вы действительно хотите использовать регулярное выражение, вы можете использовать что-то вроде /[^a-zA-Z0-9-\s]/, чтобы убрать пунктуацию из слова. Но опять же, вы не смогли бы идентифицировать что-то вроде viZagra как то же самое слово, что и viagra.

Answer 2

Регулярные выражения не кажутся подходящим инструментом для выяснения этого. Но в качестве попытки ответить на него только потому, что это интересно, простым способом будет сделать что-то вроде этого:

/v.?i.?a.?g.?r.?a/

Это будет соответствовать 0 или 1 символу между каждой буквой.

Answer 3

Это зависит от того, насколько широко вы хотите соответствовать. Следующее будет соответствовать любой смежной последовательности символов, не являющихся пробелами или словами, перемежающимися между этими буквами:

/p[^\s\w]*h[^\s\w]*a[^\s\w]*r[^\s\w]*m[^\s\w]*a[^\s\w]*c[^\s\w]*y/

Вы можете построить это регулярное выражение в коде. Например, в Perl:

$re = join("[^\\s\\w]*", split("", "pharmacy"))

В конечном счете, регулярные выражения, вероятно, не удовлетворят всем вашим требованиям.