นิพจน์ทั่วไปเพื่อค้นหา Gadaffi

ฉันพยายามค้นหาคำว่า Gadaffi นิพจน์ทั่วไปที่ดีที่สุดในการค้นหาสิ่งนี้คืออะไร

ความพยายามที่ดีที่สุดของฉันคือ:

\b[KG]h?add?af?fi$\b

แต่ฉันก็ยังดูเหมือนจะหายไปบางวารสาร ข้อเสนอแนะใด ๆ

อัปเดต: ฉันพบรายการสวย ๆ ที่นี่: http://blogs.abcnews.com/theworldnewser/2009/09/how-many-different-ways-can-you-spell-gaddafi.html

คำตอบด้านล่างตรงกับ 30 รูปแบบทั้งหมด:

Gadaffi
Gadafi
Gadafy
กัดดาฟี
Gaddafy
Gaddhafi
Gadhafi
Gathafi
Ghadaffi
Ghadafi
Ghaddafi
Ghaddafy
Gheddafi
Kadaffi
คาดาฟิ
Kaddafi
Kadhafi
Kazzafi
Khadaffy
Khadafy
Khaddafi
Qadafi
Qaddafi
กัดฮาฟิ
Qadhdhafi
Qadthafi
Qathafi
Quathafi
Qudhafi
Kad'afi

\b[KGQ]h?add?h?af?fi\b

การถอดความภาษาอาหรับคือ (Wiki พูดว่า) "Qaḏḏāfī" ดังนั้นอาจเพิ่ม Q และหนึ่ง H ("Gadhafi" เป็นบทความ (ดูด้านล่าง) กล่าวถึง)

แต่ทำไม$ตอนจบของ regex ถึงมีบ้าง?

Btw บทความที่ดีในหัวข้อ:

Gaddafi, Kadafi หรือ Qaddafi? เหตุใดผู้นำของลิเบียจึงสะกดหลายวิธี? .

แก้ไข

เพื่อให้ตรงกับชื่อทั้งหมดในบทความที่คุณพูดถึงในภายหลังสิ่งนี้ควรตรงกับชื่อทั้งหมด หวังว่ามันจะไม่ตรงกับสิ่งอื่น ๆ อีกมากมาย: D

\b(Kh?|Gh?|Qu?)[aeu](d['dt]?|t|zz|dhd)h?aff?[iy]\b

ง่าย ... (Qadaffi|Khadafy|Qadafi|... )... เป็นเอกสารที่จัดทำเองบำรุงรักษาและสมมติว่าเครื่องมือ regexp ของคุณรวบรวมการแสดงออกปกติ (แทนที่จะแปลพวกเขา) จริง ๆ แล้วมันจะรวบรวม DFA เดียวกันกับที่โซลูชันที่ยุ่งยากกว่าจะทำ

การเขียนนิพจน์ทั่วไปที่มีขนาดกะทัดรัดนั้นเหมือนกับการใช้ชื่อตัวแปรสั้น ๆ เพื่อเร่งความเร็วโปรแกรม มันจะช่วยได้ก็ต่อเมื่อคอมไพเลอร์ของคุณสมองตาย

สิ่งหนึ่งที่น่าสนใจที่จะทราบจากรายการการสะกดที่อาจเกิดขึ้นของคุณคือมีค่า Soundex เพียง 3 ค่าสำหรับรายการที่มีอยู่ (หากคุณไม่สนใจ 'Kazzafi' ที่เกินค่า)

G310, K310, Q310

ตอนนี้มีผลบวกปลอมอยู่ในนั้น ('Godby' ก็คือ G310) แต่เมื่อรวม metaphone ที่มีจำนวน จำกัด เข้าด้วยกันคุณสามารถกำจัดมันได้

<?
$soundexMatch = array('G310','K310','Q310');
$metaphoneMatch = array('KTF','KTHF','FTF','KHTF','K0F');

$text = "This is a big glob of text about Mr. Gaddafi. Even using compound-Khadafy terms in here, then we might find Mr Qudhafi to be matched fairly well. For example even with apostrophes sprinkled randomly like in Kad'afi, you won't find false positives matched like godfrey, or godby, or even kabbadi";

$wordArray = preg_split('/[\s,.;-]+/',$text);
foreach ($wordArray as $item){
    $rate = in_array(soundex($item),$soundexMatch) + in_array(metaphone($item),$metaphoneMatch);
    if ($rate > 1){
        $matches[] = $item;
    }
}
$pattern = implode("|",$matches);
$text = preg_replace("/($pattern)/","<b>$1</b>",$text);
echo $text;
?>

การปรับแต่งเล็กน้อยและให้พูดการทับศัพท์ภาษาไซริลบางตัวและคุณจะมีวิธีแก้ปัญหาที่ค่อนข้างแข็งแกร่ง

ใช้โมดูล CPAN Regexp :: Assemble :

#!/usr/bin/env perl

use Regexp::Assemble;

my $ra = Regexp::Assemble->new;
$ra->add($_) for qw(Gadaffi Gadafi Gadafy Gaddafi Gaddafy
                    Gaddhafi Gadhafi Gathafi Ghadaffi Ghadafi
                    Ghaddafi Ghaddafy Gheddafi Kadaffi Kadafi
                    Kaddafi Kadhafi Kazzafi Khadaffy Khadafy
                    Khaddafi Qadafi Qaddafi Qadhafi Qadhdhafi
                    Qadthafi Qathafi Quathafi Qudhafi Kad'afi);
say $ra->re;

สิ่งนี้สร้างนิพจน์ทั่วไปต่อไปนี้:

(?-xism:(?:G(?:a(?:d(?:d(?:af[iy]|hafi)|af(?:f?i|y)|hafi)|thafi)|h(?:ad(?:daf[iy]|af?fi)|eddafi))|K(?:a(?:d(?:['dh]a|af?)|zza)fi|had(?:af?fy|dafi))|Q(?:a(?:d(?:(?:(?:hd)?|t)h|d)?|th)|u(?:at|d)h)afi))

ฉันคิดว่าคุณกำลังยุ่งอยู่กับสิ่งต่าง ๆ ที่นี่ regex ที่ถูกต้องนั้นง่ายพอ ๆ กับ:

\u0627\u0644\u0642\u0630\u0627\u0641\u064a

มันตรงกับการต่อกันของเจ็ดโค้ดอารบิก Unicode ที่เป็นคำว่าالقذافي (เช่น Gadaffi)

หากคุณต้องการหลีกเลี่ยงการจับคู่สิ่งต่าง ๆ ที่ไม่มีใครใช้ (เช่นหลีกเลี่ยงการพุ่งเข้าหา ". +") วิธีที่ดีที่สุดของคุณคือการสร้างการแสดงออกปกตินั่นเป็นเพียงทางเลือกทั้งหมด (เช่น (Qadafi | Kadafi | ... ) ) จากนั้นรวบรวมว่าเป็น DFA แล้วแปลง DFA กลับไปเป็นนิพจน์ทั่วไป สมมติว่ามีการใช้งานที่สมเหตุสมผลพอสมควรซึ่งจะให้นิพจน์ทั่วไป "ที่ถูกบีบอัด" ซึ่งรับประกันได้ว่าจะไม่มีตัวแปรที่ไม่คาดคิด

หากคุณมีรายการที่เป็นไปได้ทั้งหมด 30 รายการเพียงแค่เชื่อมต่อพวกเขาทั้งหมดเข้าด้วยกันด้วย "ors" จากนั้นคุณสามารถมั่นใจได้ว่ามันตรงกับสิ่งที่คุณระบุไว้เท่านั้นและไม่มาก เอ็นจิ้น RE ของคุณอาจจะสามารถเพิ่มประสิทธิภาพได้มากขึ้นและดีขึ้นโดยมี 30 ตัวเลือกแม้ว่าจะไม่เป็นเช่นนั้นก็ยังไม่ใช่เรื่องใหญ่ การพยายามทำตัวกลมกลืนด้วยการเปลี่ยนมันให้เป็น "ฉลาด" RE ไม่สามารถกลายเป็นดีกว่าและอาจแย่ลง

(G|Gh|K|Kh|Q|Qh|Q|Qu)(a|au|e|u)(dh|zz|th|d|dd)(dh|th|a|ha|)(\x27|)(a|)(ff|f)(i|y)

แน่นอนว่าไม่ใช่รุ่นที่ได้รับการปรับปรุงมากที่สุดแบ่งเป็นพยางค์เพื่อเพิ่มการแข่งขันในขณะที่พยายามทำให้แน่ใจว่าเราจะไม่ได้รับผลบวกปลอม

ถ้าคุณจับคู่คำเล็ก ๆ ทำไมคุณไม่ลองใช้เครื่องมือค้นหาความคล้ายคลึงกันกับระยะทางของLevenshtein คุณสามารถอนุญาตการแทรกหรือลบได้สูงสุดk วิธีนี้คุณสามารถเปลี่ยนฟังก์ชันระยะทางเป็นสิ่งอื่นที่ทำงานได้ดีกว่าสำหรับปัญหาเฉพาะของคุณ มีฟังก์ชันมากมายที่มีอยู่ในไลบรารี simMetrics

ทางเลือกที่เป็นไปได้คือเครื่องมือออนไลน์สำหรับการสร้างการแสดงออกปกติจากตัวอย่างhttp://regex.inginf.units.it ให้โอกาส!

ทำไมไม่ทำแบบผสมผสาน? บางสิ่งระหว่างรายการของความเป็นไปได้ทั้งหมดและ Regex ที่ซับซ้อนซึ่งจับคู่กันมากเกินไป

Regex เป็นเรื่องเกี่ยวกับการจับคู่รูปแบบและฉันไม่เห็นรูปแบบสำหรับตัวแปรทั้งหมดในรายการ พยายามทำเช่นนั้นจะพบสิ่งต่าง ๆ เช่น "Gazzafy" หรือ "Quud'haffi" ซึ่งส่วนใหญ่อาจไม่ใช่ตัวแปรที่ใช้แล้วและไม่อยู่ในรายการ

แต่ฉันสามารถเห็นรูปแบบของตัวแปรต่างๆได้ดังนั้นฉันจึงจบลงด้วยสิ่งนี้:

\b(?:Gheddafi|Gathafi|Kazzafi|Kad'afi|Qadhdhafi|Qadthafi|Qudhafi|Qu?athafi|[KG]h?add?h?aff?[iy]|Qad[dh]?afi)\b

ในตอนแรกฉันแสดงรายการที่ฉันไม่สามารถเห็นรูปแบบแล้วตามด้วยตัวแปรบางอย่างที่มีรูปแบบ

ดูได้ที่นี่บนwww.rubular.com

ฉันรู้ว่านี่เป็นคำถามเก่า แต่ ...

ไม่ใช่ทั้งสอง regexes ที่สวยที่สุด แต่ได้รับการปรับให้เหมาะสมและทั้งคู่ต่างกันในรูปแบบทั้งหมดในโพสต์ต้นฉบับ

"Little Beauty" # 1

(?:G(?:a(?:d(?:d(?:af[iy]|hafi)|af(?:f?i|y)|hafi)|thafi)|h(?:ad(?:daf[iy]|af?fi)|eddafi))|K(?:a(?:d(?:['dh]a|af?)|zza)fi|had(?:af?fy|dafi))|Q(?:a(?:d(?:(?:(?:hd)?|t)h|d)?|th)|u(?:at|d)h)afi)

"Little Beauty" # 2

(?:(?:Gh|[GK])adaff|(?:(?:Gh|[GKQ])ad|(?:Ghe|(?:[GK]h|[GKQ])a)dd|(?:Gadd|(?:[GKQ]a|Q(?:adh|u))d|(?:Qad|(?:Qu|[GQ])a)t)h|Ka(?:zz|d'))af)i|(?:Khadaff|(?:(?:Kh|G)ad|Gh?add)af)y

พักผ่อนอย่างมีความสุข Muammar

เพียงแค่ภาคผนวก: คุณควรเพิ่ม "Gheddafi" เป็นตัวสะกดแบบอื่น ดังนั้น RE ควรจะเป็น

\b[KG]h?[ae]dd?af?fi$\b

[GQK] [AHU] + [dtez] + \ '[adhz] + F {1,2} (i | y)?

ในส่วน:

• [GQK]
• [AHU] +
• [dtez] +
• \ '?
• [adhz] +
• ฉ {1,2} (i | y)

_{บันทึก:แค่อยากให้ช็อตนี้}

มีอะไรอีกที่เริ่มต้นด้วย Q, G หรือ K, มีโฆษณา, z หรือ t อยู่ตรงกลาง, และลงท้ายด้วย "fi" ที่ผู้คนค้นหาจริง ๆ ?

/\b[GQK].+[dzt].+fi\b/i

เสร็จสิ้น

>>> print re.search(a, "Gadasadasfiasdas") != None
False
>>> print re.search(a, "Gadasadasfi") != None
True
>>> print re.search(a, "Qa'dafi") != None
True

น่าสนใจที่ฉันลงคะแนน บางคนสามารถแสดงความคิดเห็นที่เป็นเท็จในความคิดเห็นได้หรือไม่?