Regulärer Ausdruck zur Suche nach Gadaffi

Ich versuche nach dem Wort Gadaffi zu suchen. Was ist der beste reguläre Ausdruck, um danach zu suchen?

Mein bisher bester Versuch ist:

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

Aber ich vermisse immer noch einige Zeitschriften. Irgendwelche Vorschläge?

Update: Ich habe hier eine ziemlich umfangreiche Liste gefunden: http://blogs.abcnews.com/theworldnewser/2009/09/how-many-different-ways-can-you-spell-gaddafi.html

Die Antwort unten entspricht allen 30 Varianten:

Gadaffi
Gadafi
Gadafy
Gaddafi
Gaddafy
Gaddafi
Gaddafi
Gathafi
Ghadaffi
Ghadafi
Ghaddafi
Ghaddafy
Gheddafi
Kadaffi
Kadafi
Kaddafi
Kadhafi
Kazzafi
Khadaffy
Khadafy
Khaddafi
Gaddafi
Gaddafi
Gaddafi
Gaddafi
Qadthafi
Qathafi
Quathafi
Qudhafi
Kad'afi

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

Die arabische Transkription ist (Wiki sagt) "Qaḏḏāfī", also vielleicht ein Q. und ein H ("Gaddafi", wie im Artikel (siehe unten) erwähnt).

Übrigens, warum steht $am Ende des regulären Ausdrucks ein?

Übrigens, schöner Artikel zum Thema:

Gaddafi, Kadafi oder Gaddafi? Warum wird der Name des libyschen Führers so unterschiedlich geschrieben? .

BEARBEITEN

Damit alle Namen in dem Artikel, den Sie später erwähnt haben , übereinstimmen, sollte dies mit allen übereinstimmen. Hoffen wir nur, dass es nicht zu vielen anderen Dingen passt: D.

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

Einfach ... (Qadaffi|Khadafy|Qadafi|... )... es ist selbstdokumentiert, wartbar und unter der Annahme, dass Ihre Regexp-Engine tatsächlich reguläre Ausdrücke kompiliert (anstatt sie zu interpretieren), wird sie mit demselben DFA kompiliert wie eine verschleiertere Lösung.

Das Schreiben kompakter regulärer Ausdrücke entspricht der Verwendung kurzer Variablennamen, um ein Programm zu beschleunigen. Es hilft nur, wenn Ihr Compiler hirntot ist.

Eine interessante Sache aus Ihrer Liste möglicher Schreibweisen ist, dass es nur 3 Soundex-Werte für die enthaltene Liste gibt (wenn Sie den Ausreißer 'Kazzafi' ignorieren).

G310, K310, Q310

Jetzt gibt es dort falsch positive Ergebnisse ('Godby' ist auch G310), aber wenn Sie auch die begrenzten Metaphontreffer kombinieren, können Sie sie eliminieren.

<?
$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;
?>

Ein paar Änderungen und beispielsweise eine kyrillische Transliteration, und Sie haben eine ziemlich robuste Lösung.

Verwenden des CPAN-Moduls 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;

Dies erzeugt den folgenden regulären Ausdruck:

(?-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))

Ich denke, Sie sind damit fertig, die Dinge hier zu komplizieren. Der richtige reguläre Ausdruck ist so einfach wie:

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

Es entspricht der Verkettung der sieben arabischen Unicode-Codepunkte, die das Wort القذافي (dh Gadaffi) bilden.

Wenn Sie vermeiden möchten, dass Dinge übereinstimmen, die niemand verwendet hat (dh nicht zu ". +" Tendieren), besteht Ihr bester Ansatz darin, einen regulären Ausdruck zu erstellen, der nur alle Alternativen enthält (z. B. (Qadafi | Kadafi | ...)). ) kompilieren Sie das dann zu einem DFA und konvertieren Sie den DFA zurück in einen regulären Ausdruck. Angenommen, eine mäßig sinnvolle Implementierung würde Ihnen einen "komprimierten" regulären Ausdruck geben, der garantiert keine unerwarteten Varianten enthält.

Wenn Sie eine konkrete Auflistung aller 30 Möglichkeiten haben, verketten Sie sie einfach alle mit einer Reihe von "Ors". Dann können Sie sicher sein , dass es nur genau den Dingen entspricht, die Sie aufgelistet haben, und nicht mehr. Ihre RE-Engine wird wahrscheinlich in der Lage sein, weiter zu optimieren, und mit 30 Auswahlmöglichkeiten, auch wenn dies nicht der Fall ist, ist es immer noch keine große Sache. Der Versuch, mit der manuellen Umwandlung in eine "clevere" RE herumzuspielen, kann unmöglich besser und möglicherweise schlechter ausfallen.

(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)

Mit Sicherheit nicht die am besten optimierte Version. Teilen Sie die Silben auf, um die Übereinstimmungen zu maximieren, und stellen Sie gleichzeitig sicher, dass wir keine Fehlalarme erhalten.

Nun, da Sie kleine Wörter finden, warum versuchen Sie es nicht mit einer Ähnlichkeitssuchmaschine mit der Levenshtein- Entfernung? Sie können höchstens k Einfügungen oder Löschungen zulassen . Auf diese Weise können Sie die Distanzfunktion auf andere Dinge ändern, die für Ihr spezifisches Problem besser funktionieren. In der simMetrics-Bibliothek stehen viele Funktionen zur Verfügung.

Eine mögliche Alternative ist das Online-Tool zum Generieren regulärer Ausdrücke aus Beispielen http://regex.inginf.units.it . Gib es eine Chance!

Warum nicht einen gemischten Ansatz? Etwas zwischen einer Liste aller Möglichkeiten und einem komplizierten Regex, der viel zu sehr übereinstimmt.

Bei Regex geht es um Mustervergleich, und ich kann nicht für alle Varianten in der Liste ein Muster sehen. Wenn Sie dies versuchen, werden Sie auch Dinge wie "Gazzafy" oder "Quud'haffi" finden, die höchstwahrscheinlich keine gebrauchte Variante sind und definitiv nicht auf der Liste stehen.

Aber ich kann Muster für einige der Varianten sehen, und so kam ich zu folgendem Ergebnis:

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

Zu Beginn liste ich diejenigen auf, bei denen ich kein Muster sehen kann, gefolgt von einigen Varianten, bei denen es Muster gibt.

Sehen Sie es hier auf www.rubular.com

Ich weiß, das ist eine alte Frage, aber ...

Keiner dieser beiden regulären Ausdrücke ist der schönste, aber sie sind optimiert und beide passen zu ALL Variationen im ursprünglichen Beitrag .

"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

Ruhe in Frieden, Muammar.

Nur ein Nachtrag: Sie sollten "Gheddafi" als alternative Schreibweise hinzufügen. So sollte der RE sein

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

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

In Teilen:

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

_{Hinweis: Ich wollte nur einen Versuch machen.}

Was beginnt sonst noch mit Q, G oder K, hat ad, z oder t in der Mitte und endet mit "fi", nach dem die Leute tatsächlich suchen?

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

Erledigt.

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

Interessant, dass ich herabgestimmt werde. Kann jemand in den Kommentaren einige Fehlalarme hinterlassen?