Biểu thức chính quy để tìm kiếm Gadaffi

Tôi đang cố gắng tìm kiếm từ Gadaffi. Biểu thức chính quy tốt nhất để tìm kiếm này là gì?

Nỗ lực tốt nhất của tôi cho đến nay là:

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

Nhưng tôi dường như vẫn còn thiếu một số tạp chí. Bất kỳ đề xuất?

Cập nhật: Tôi tìm thấy một danh sách khá rộng ở đây: http://blogs.abcnews.com/theworldnewser/2009/09/how-many-different-ways-can-you-spell-gaddafi.html

Câu trả lời dưới đây phù hợp với tất cả 30 biến thể:

Gadaffi
Gadafi
Tiện ích
Gaddafi
Gaddafy
Gaddhafi
Gadhafi
Gathafi
Ghadaffi
Ghadafi
Ghaddafi
Ghaddafy
Gheddafi
Kadaffi
Kadafi
Kaddafi
Kuhafi
Kazzafi
Khadaffy
Khadafy
Khaddafi
Qadafi
Qaddafi
Qalafafi
Qadhdhafi
Qadthafi
Qathafi
Quathafi
Qudhafi
Kad'afi

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

Phiên âm tiếng Ả Rập là (Wiki nói) "Qaḏḏāfī", vì vậy có thể thêm một Q. Và một H ("Gadhafi", như bài viết (xem bên dưới) đề cập).

Btw, tại sao có một $kết thúc của regex?

Btw, bài viết hay về chủ đề này:

Gaddafi, Kadafi hay Qaddafi? Tại sao tên của người dẫn đầu Libya được đánh vần theo nhiều cách khác nhau? .

BIÊN TẬP

Để khớp với tất cả các tên trong bài viết bạn đã đề cập sau này , điều này phải phù hợp với tất cả chúng. Hãy hy vọng nó sẽ không phù hợp với nhiều thứ khác: D

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

Dễ dàng ... (Qadaffi|Khadafy|Qadafi|... )... nó tự ghi lại, có thể duy trì và giả sử công cụ regrec của bạn thực sự biên dịch các biểu thức chính quy (thay vì diễn giải chúng), nó sẽ biên dịch theo cùng một DFA mà một giải pháp khó hiểu hơn sẽ làm.

Viết biểu thức chính quy nhỏ gọn giống như sử dụng tên biến ngắn để tăng tốc chương trình. Nó chỉ giúp nếu trình biên dịch của bạn bị chết não.

Một điều thú vị cần lưu ý từ danh sách các cách viết tiềm năng của bạn là chỉ có 3 giá trị Soundex cho danh sách được chứa (nếu bạn bỏ qua 'Kazzafi' ngoại lệ)

G310, K 310, Q310

Bây giờ, có những điểm tích cực giả trong đó ('Godby' cũng là G310), nhưng bằng cách kết hợp các lần truy cập metaphone hạn chế, bạn có thể loại bỏ chúng.

<?
$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;
?>

Một vài điều chỉnh và cho phép một số phiên âm cyrillic, và bạn sẽ có một giải pháp khá mạnh mẽ.

Sử dụng mô-đun CPAN Regapi :: Lắp ráp :

#!/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;

Điều này tạo ra biểu thức chính quy sau:

(?-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))

Tôi nghĩ rằng bạn đang làm phức tạp mọi thứ ở đây. Regex đúng là đơn giản như:

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

Nó phù hợp với cách ghép của bảy điểm mã Unicode tiếng Ả Rập tạo thành từ tiếng Ả Rập (tức là Gadaffi).

Nếu bạn muốn tránh kết hợp những thứ mà không ai đã sử dụng (nghĩa là tránh xu hướng ". +") Cách tiếp cận tốt nhất của bạn sẽ là tạo một biểu thức chính quy chỉ là tất cả các lựa chọn thay thế (ví dụ: (Qadafi | Kadafi | ...) ) sau đó biên dịch nó thành DFA và sau đó chuyển đổi DFA trở lại thành biểu thức chính quy. Giả sử một triển khai hợp lý vừa phải sẽ cung cấp cho bạn một biểu thức chính quy "nén" được đảm bảo không chứa các biến thể không mong muốn.

Nếu bạn đã có một danh sách cụ thể của tất cả 30 khả năng, chỉ cần ghép tất cả chúng lại với nhau bằng một loạt "ors". Sau đó, bạn có thể chắc chắn rằng nó chỉ phù hợp với những điều chính xác bạn đã liệt kê, và không còn nữa. Công cụ RE của bạn có thể sẽ có thể tối ưu hóa hơn nữa, và, với 30 lựa chọn ngay cả khi nó không phải là một vấn đề lớn. Cố gắng nghịch ngợm bằng cách biến nó thành một "thông minh" RE không thể trở nên tốt hơn và có thể trở nên tồi tệ hơn.

(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)

Chắc chắn không phải là phiên bản được tối ưu hóa nhất, phân chia theo âm tiết để tối đa hóa các trận đấu trong khi cố gắng đảm bảo chúng tôi không nhận được thông báo sai.

Chà, vì bạn đang kết hợp các từ nhỏ, tại sao bạn không thử một công cụ tìm kiếm tương tự với khoảng cách Levenshtein ? Bạn có thể cho phép tối đa k chèn hoặc xóa. Bằng cách này, bạn có thể thay đổi chức năng khoảng cách thành những thứ khác hoạt động tốt hơn cho vấn đề cụ thể của bạn. Có nhiều chức năng có sẵn trong thư viện simMetrics.

Một sự thay thế khả thi là công cụ trực tuyến để tạo các biểu thức chính quy từ các ví dụ http://regex.inginf.units.it . Cung cấp cho nó một cơ hội!

Tại sao không làm một cách tiếp cận hỗn hợp? Một cái gì đó giữa một danh sách tất cả các khả năng và một Regex phức tạp phù hợp với quá nhiều.

Regex là về khớp mẫu và tôi không thể thấy mẫu cho tất cả các biến thể trong danh sách. Cố gắng làm như vậy, cũng sẽ tìm thấy những thứ như "Gazzafy" hoặc "Quud'haffi" có lẽ không phải là một biến thể được sử dụng và chắc chắn không có trong danh sách.

Nhưng tôi có thể thấy các mẫu cho một số biến thể, và vì vậy tôi đã kết thúc với điều này:

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

Lúc đầu, tôi liệt kê những cái mà tôi không thể nhìn thấy một mẫu, sau đó là một số biến thể có các mẫu.

Xem nó ở đây trên www.rubular.com

Tôi biết đây là một câu hỏi cũ, nhưng ...

Cả hai regex này đều không đẹp nhất, nhưng chúng được tối ưu hóa và cả hai đều khớp với TẤT CẢ các biến thể trong bài viết gốc.

"Người đẹp nhỏ" # 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)

"Người đẹp nhỏ" # 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

Nghỉ ngơi trong hòa bình, Muammar.

Chỉ là một phụ lục: bạn nên thêm "Gheddafi" dưới dạng chính tả thay thế. Vì vậy, RE nên

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

[GQK] [ahu] + [dtez] + \ '? [Adhz] + f {1,2} (i | y)

Trong các bộ phận:

• [GQK]
• [ahu] +
• [dtez] +
• \ '?
• [quảng cáo] +
• f {1,2} (i | y)

_{Lưu ý: Chỉ muốn đưa ra một cú đánh vào đây.}

Những gì khác bắt đầu với Q, G hoặc K, có quảng cáo, z hoặc t ở giữa và kết thúc bằng "fi" những người thực sự tìm kiếm?

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

Làm xong.

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

Thật thú vị khi tôi bị hạ bệ. Ai đó có thể để lại một số tích cực sai trong các ý kiến?