.net - 如何检测某个短语或正则表达式的 "typo"？

Question

如何才能检测到拼写错误，但仅限于特定短语。另一种思考方式是如何检测某个正则表达式的拼写错误。

例如，我不想要一个通用的拼写错误查找器，我在上面找到了多个资源。我不想要一个通用的拼写检查器，我又在上面找到了多个资源。

我将如何为相对恒定的值编写拼写错误检查器...比如:

super secret 13-12345

它应该始终显示“Super Secret NN-NNNNN”(N 表示任何 0-9 数字)。

它会将以下内容标记为“打字错误”:

1. super secret 13-12345
2. super secret 1312345
3. Sper Scret 13-123456
4. Spuer secret 13-12345
5. super secret
6. 13-12345

它不会将以下内容标记为“打字错误”:

1. super secret 13-12345
2. 任何其他随机词
3. 超人飞越丛林

我最担心的是额外的字符泄漏、转置字符或不遵循 NN-NNNNN 格式的数字。

我觉得这是一个可以回答的问题，但我可能只是没有使用正确的词来问 Google 或 SO。

我正在用 .NET 编写它，但显然可以移植任何东西。

Answer 1

这不是放置正则表达式的好地方:您需要一个正则表达式来检测每一种可能的打字错误。相反，您应该查看 Levenshtein distance 。它会像这样工作:

1. 用占位符替换所有无效字符，例如“!”。
2. 用不同的占位符替换所有数字，例如“#”。
3. 从“Super Secret ##-#####”计算 Levenshtein 距离。
4. 如果距离低于某个值且不为 0，则返回 true。否则，返回 false。

实现后，使用第 4 步中的阈值来匹配所需的行为。

编辑:“无效字符”可以表示“Superct0123456789-”以外的任何字符，也可以表示“-”以外的任何非字母数字。最终结果应该是一样的。