Gadaffi'yi aramak için düzenli ifade

Gadaffi kelimesini aramaya çalışıyorum. Bunu aramak için en iyi normal ifade nedir?

Şimdiye kadar yaptığım en iyi girişim:

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

Ama hala bazı dergiler eksik gibi görünüyor. Herhangi bir öneri?

Güncelleme: Burada oldukça kapsamlı bir liste buldum: http://blogs.abcnews.com/theworldnewser/2009/09/how-many-different-ways-can-you-spell-gaddafi.html

Aşağıdaki cevap 30 değişkenin hepsiyle eşleşiyor:

Kaddafi
Gadafi
Gadafy
Kaddafi
Gaddafy
Gaddhafi
Kaddafi
Gathafi
Ghadaffi
Ghadafi
Kaddafi
Ghaddafy
Gheddafi
Kadaffi
Kadafi
Kaddafi'nin
Kaddafi
Kazzafi
Khadaffy
Khadafy
Khaddafi
Qadafi
Kaddafi
Kaddafi
Qadhdhafi
Qadthafi
Qathafi
Quathafi
Qudhafi
Kad'afi

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

Arapça transkripsiyon (Wiki diyor) "Qaḏḏāfī", bu yüzden belki bir Q ve bir H ("Gadhafi", makalede belirtildiği gibi) eklemek.

Btw, neden $normal ifadenin sonunda bir var ?

Btw, konuyla ilgili güzel bir makale:

Kaddafi mi, Kadafi mi, Kaddafi mi? Libya liderinin adı neden bu kadar farklı yolla yazılmıştır? .

DÜZENLE

Daha sonra bahsettiğiniz makaledeki tüm adları eşleştirmek için, bunların hepsiyle eşleşmesi gerekir. Umarım başka birçok şeyle eşleşmez: D

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

Kolay ... (Qadaffi|Khadafy|Qadafi|... )... kendi kendini belgeleyen, bakımı kolay ve regexp motorunuzun aslında düzenli ifadeleri (bunları yorumlamak yerine) derlediğini varsayarsak, daha gizli bir çözümle aynı DFA'ya derlenir.

Kompakt düzenli ifadeler yazmak, bir programı hızlandırmak için kısa değişken adları kullanmak gibidir. Sadece derleyiciniz beyin ölü ise yardımcı olur.

Potansiyel yazım listenizden not edilmesi gereken ilginç bir şey, içerilen liste için sadece 3 Soundex değerinin olmasıdır (aykırı 'Kazzafi' 'yi yoksayarsanız)

G310, K310, Q310

Şimdi, orada yanlış pozitifler var ('Godby' de G310), ancak sınırlı metafon hitlerini birleştirerek bunları ortadan kaldırabilirsiniz.

<?
$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;
?>

Birkaç ince ayar ve biraz kiril harf çevirisi diyelim ve oldukça sağlam bir çözümünüz olacak.

CPAN modülünü kullanma Regexp :: Birleştir :

#!/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;

Bu, aşağıdaki normal ifadeyi üretir:

(?-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))

Sanırım burada işleri karmaşıklaştırıyorsunuz. Doğru normal ifade şöyle basit:

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

القذافي (yani Gadaffi) sözcüğünü oluşturan yedi Arapça Unicode kod noktasının birleşmesiyle eşleşir.

Hiç kimsenin kullanmadığı şeylerle eşleşmekten kaçınmak istiyorsanız (yani ". +" Yönüne doğru ilerlemekten kaçının) en iyi yaklaşımınız tüm alternatifleri içeren düzenli bir ifade oluşturmak olacaktır (örn. (Qadafi | Kadafi | ...) ) daha sonra bunu bir DFA'ya derleyin ve ardından DFA'yı normal ifadeye dönüştürün. Beklenmedik varyantlar içermediğini garanti eden "sıkıştırılmış" bir düzenli ifade verecek orta derecede mantıklı bir uygulama olduğunu varsayarsak.

30 olasılığın da somut bir listesine sahipseniz, hepsini bir grup "ors" ile birleştirin. Ardından, yalnızca listelediğiniz şeylerle eşleştiğinden ve daha fazla olmadığından emin olabilirsiniz . RE motorunuz muhtemelen daha da optimize edebilecek ve iyi olmasa bile 30 seçenekle iyi bir şekilde optimize edebilecek. Manuel olarak "akıllı" bir RE'ye dönüştürerek uğraşmaya çalışmak muhtemelen daha iyi olamaz ve daha kötü sonuç verebilir.

(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)

Kesinlikle en iyileştirilmiş sürüm değil, yanlış pozitif almadığımızdan emin olmak için eşleşmeleri en üst düzeye çıkarmak için hecelere bölün.

Küçük kelimeleri eşleştirdiğiniz için neden Levenshtein ile benzerlik arama motoru denemiyorsunuz? mesafeye? En fazla k eklemeye veya silmeye izin verebilirsiniz . Bu şekilde, mesafe işlevini, sorununuz için daha iyi çalışan diğer şeylerle değiştirebilirsiniz. SimMetrics kitaplığında birçok işlev vardır.

Olası bir alternatif, http://regex.inginf.units.it örneklerinden düzenli ifadeler oluşturmak için çevrimiçi araçtır . Bir şans ver!

Neden karışık bir yaklaşım yapmıyorsunuz? Tüm olasılıkların bir listesi ile çok fazla eşleşen karmaşık bir Regex arasında bir şey.

Regex kalıp eşleştirme ile ilgilidir ve listedeki tüm varyantlar için bir kalıp göremiyorum. Bunu yapmaya çalıştığınızda, büyük olasılıkla kullanılmış bir varyant olmayan ve kesinlikle listede olmayan "Gazzafy" veya "Quud'haffi" gibi şeyler de bulacaksınız.

Ama bazı varyantlar için kalıpları görebiliyorum ve böylece bununla sonuçlandım:

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

Başlangıçta bir deseni göremediğimleri listeliyorum, ardından desenlerin olduğu bazı varyantları takip ediyorum.

Www.rubular.com burada görmek

Bunun eski bir soru olduğunu biliyorum, ama ...

Bu iki regex'in hiçbiri en güzel değil, ancak optimize edildi ve her ikisi de orijinal yayındaki TÜM varyasyonlarla eşleşti .

"Küçük Güzellik" # 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)

"Küçük Güzellik" # 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

Huzur içinde yat, Muammer.

Sadece bir zeyilname: "Gheddafi" yi alternatif yazım olarak eklemelisiniz. Yani RE olmalı

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

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

Parçalarda:

• [GQK]
• [Ahu] +
• [Dtez] +
• \ '?
• [Adhz] +
• f {1,2}, (i | y)

_{Not: Sadece buna bir şans vermek istedim.}

Başka ne Q, G veya K ile başlar, ortasında reklam, z veya t vardır ve insanların gerçekten aradığı "fi" ile biter ?

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

Bitti.

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

İlginç olan aşağı düşmem. Birisi yorumlarda yanlış pozitifler bırakabilir mi?