Ekspresi reguler untuk mencari Gadaffi

Saya mencoba mencari kata Gadaffi. Apa ekspresi reguler terbaik untuk mencari ini?

Upaya terbaik saya sejauh ini adalah:

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

Tapi sepertinya saya masih kehilangan beberapa jurnal. Ada saran?

Pembaruan: Saya menemukan daftar yang cukup luas di sini: http://blogs.abcnews.com/theworldnewser/2009/09/how-banyak-beda-selalu-dapat-anda-Anda-mantra-gaddafi.html

Jawaban di bawah cocok dengan semua 30 varian:

Gadaffi
Gadafi
Gadafy
Khadafi
Gaddafy
Khadafi
Gadhafi
Gathafi
Ghadaffi
Ghadafi
Ghaddafi
Ghaddafy
Gheddafi
Kadaffi
Kadafi
Khadafi
Kadhafi
Kazzafi
Khadaffy
Khadafy
Khaddafi
Qadafi
Qaddafi
Qadhafi
Qadhdhafi
Qadthafi
Qathafi
Quathafi
Qudhafi
Kad'afi

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

Transkripsi bahasa Arab adalah (kata Wiki) "Qaḏḏāfī", jadi mungkin menambahkan Q. Dan satu H ("Gadhafi", seperti yang disebutkan dalam artikel (lihat di bawah)).

Btw, mengapa ada $di akhir regex?

Btw, artikel bagus tentang topik ini:

Gaddafi, Kadafi, atau Qaddafi? Mengapa nama pemimpin Libya dieja dengan berbagai cara? .

EDIT

Untuk mencocokkan semua nama dalam artikel yang Anda sebutkan nanti , ini harus cocok dengan semuanya. Semoga saja itu tidak cocok dengan banyak hal lain: D

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

Mudah ... (Qadaffi|Khadafy|Qadafi|... )... didokumentasikan sendiri, dipelihara, dan dengan asumsi mesin regexp Anda benar-benar mengkompilasi ekspresi reguler (daripada menafsirkannya), itu akan dikompilasi ke DFA yang sama dengan solusi yang lebih dikaburkan.

Menulis ekspresi reguler yang ringkas seperti menggunakan nama variabel pendek untuk mempercepat program. Ini hanya membantu jika kompiler Anda mati otak.

Satu hal yang menarik untuk dicatat dari daftar ejaan potensial Anda adalah bahwa hanya ada 3 nilai Soundex untuk daftar yang terkandung (jika Anda mengabaikan 'Kazzafi' outlier)

G310, K310, Q310

Sekarang, ada positif palsu di sana ('Godby' juga adalah G310), tetapi dengan menggabungkan metafon hit terbatas juga, Anda dapat menghilangkannya.

<?
$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;
?>

Beberapa perubahan, dan katakanlah beberapa transliterasi cyrillic, dan Anda akan memiliki solusi yang cukup kuat.

Menggunakan modul 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;

Ini menghasilkan ekspresi reguler berikut:

(?-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))

Saya pikir Anda terlalu rumit di sini. Regex yang benar adalah sesederhana:

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

Ini cocok dengan rangkuman dari tujuh poin kode Unicode Arab yang membentuk kata القذافي (yaitu Gadaffi).

Jika Anda ingin menghindari mencocokkan hal-hal yang tidak ada yang pernah digunakan (yaitu menghindari cenderung ke arah ". +") Pendekatan terbaik Anda adalah membuat ekspresi reguler yang hanya semua alternatif (mis. (Qadafi | Kadafi | ...) ) kemudian kompilasi itu menjadi DFA, dan kemudian ubah kembali DFA menjadi ekspresi reguler. Dengan asumsi implementasi yang cukup masuk akal yang akan memberi Anda ekspresi reguler "terkompresi" yang dijamin tidak mengandung varian yang tidak terduga.

Jika Anda memiliki daftar yang konkrit dari 30 kemungkinan, cukup gabungkan semuanya bersama-sama dengan sekelompok "ors". Maka Anda dapat yakin bahwa itu hanya cocok dengan hal-hal persis yang telah Anda daftarkan, dan tidak lebih. Mesin RE Anda mungkin akan dapat dioptimalkan lebih lanjut, dan, yah, dengan 30 pilihan meskipun tidak, itu masih bukan masalah besar. Mencoba untuk bermain-main dengan secara manual mengubahnya menjadi "pintar" RE tidak mungkin menjadi lebih baik dan mungkin menjadi lebih buruk.

(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)

Tentu saja bukan versi yang paling optimal, berpisah pada suku kata untuk memaksimalkan kecocokan sambil berusaha memastikan kami tidak mendapatkan hasil positif yang salah.

Nah karena Anda mencocokkan kata-kata kecil mengapa Anda tidak mencoba mesin pencari kesamaan dengan jarak Levenshtein ? Anda dapat mengizinkan paling banyak k penyisipan atau penghapusan. Dengan cara ini Anda dapat mengubah fungsi jarak ke hal lain yang berfungsi lebih baik untuk masalah spesifik Anda. Ada banyak fungsi yang tersedia di perpustakaan simMetrics.

Alternatif yang mungkin adalah alat online untuk menghasilkan ekspresi reguler dari contoh http://regex.inginf.units.it . Berikan kesempatan!

Mengapa tidak melakukan pendekatan campuran? Sesuatu antara daftar semua kemungkinan dan Regex yang rumit yang sangat cocok.

Regex adalah tentang pencocokan pola dan saya tidak dapat melihat pola untuk semua varian dalam daftar. Mencoba melakukannya, juga akan menemukan hal-hal seperti "Gazzafy" atau "Quud'haffi" yang kemungkinan besar bukan varian yang digunakan dan pasti tidak ada dalam daftar.

Tapi saya bisa melihat pola untuk beberapa varian, dan akhirnya saya menemukan ini:

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

Pada awalnya saya daftar yang mana saya tidak bisa melihat pola, kemudian diikuti oleh beberapa varian di mana ada pola.

Lihat di sini di www.rubular.com

Saya tahu ini adalah pertanyaan lama, tapi ...

Tidak satu pun dari kedua regex ini yang tercantik, tetapi keduanya dioptimalkan dan keduanya SEMUA cocok dengan variasi dalam posting asli.

"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

Istirahat dalam Damai, Muammar.

Hanya sebuah tambahan: Anda harus menambahkan "Gheddafi" sebagai ejaan alternatif. Jadi RE seharusnya

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

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

Di bagian:

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

_{Catatan: Hanya ingin mencoba ini.}

Apa lagi yang dimulai dengan Q, G, atau K, memiliki iklan, z atau t di tengah, dan berakhir dengan "fi" yang sebenarnya dicari orang?

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

Selesai

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

Menarik bahwa saya mendapatkan suara turun. Dapatkah seseorang meninggalkan beberapa hal positif yang salah dalam komentar?