我正在搜索“卡扎菲”这个词,这个词有很多种拼写方式。搜索这个最好的正则表达式是什么?

以下是30个变体的列表:

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

目前为止我最好的尝试是:

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

但我似乎还是遗漏了一些变体。有什么建议吗?


当前回答

容易……谴责卡扎菲(为了规避风险| | |……它是自文档化的、可维护的,并且假设您的regexp引擎实际上编译正则表达式(而不是解释它们),它将编译到与更模糊的解决方案相同的DFA。

编写紧凑的正则表达式就像使用短变量名来加快程序的速度。只有当你的编译器是脑死亡的时候才有用。

其他回答

\ [KGQ] b h添加? h ?房颤?fi \ b

阿拉伯语的翻译是(维基说)“Qaḏḏāfī”,所以可能会加上一个q和一个H(“卡扎菲”,如文章(见下文)所述)。

顺便说一下,为什么在正则表达式的末尾有一个$ ?


顺便说一句,关于这个话题的文章不错:

卡扎菲,卡扎菲,还是卡扎菲?为什么这位利比亚领导人的名字有这么多种拼写方式?


EDIT

为了匹配后面提到的文章中的所有名称,这应该匹配所有名称。我们只希望它不会和其他很多东西匹配:D

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

容易……谴责卡扎菲(为了规避风险| | |……它是自文档化的、可维护的,并且假设您的regexp引擎实际上编译正则表达式(而不是解释它们),它将编译到与更模糊的解决方案相同的DFA。

编写紧凑的正则表达式就像使用短变量名来加快程序的速度。只有当你的编译器是脑死亡的时候才有用。

我觉得你把事情复杂化了。正确的正则表达式很简单:

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

它匹配7个阿拉伯Unicode编码点的串联,形成了单词القذافي(即卡扎菲)。

为什么不采用混合的方法呢?介于所有可能性列表和匹配太多的复杂正则表达式之间的东西。

Regex是关于模式匹配的,我不能在列表中看到所有变体的模式。试着这样做,还会发现像“Gazzafy”或“Quud’haffi”这样的东西,它们很可能不是一个常用的变体,也绝对不在列表上。

但我可以看到一些变异的模式,所以我得出了这个结论:

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

在一开始,我列出了那些我看不到模式的,然后是一些有模式的变体。

请访问www.rubular.com

如果你想避免匹配没有人使用过的东西(即避免倾向于“。+”),你最好的方法是创建一个正则表达式,它只是所有的替代方案(例如。(Qadafi|Kadafi|…))然后将其编译为DFA,然后将DFA转换回正则表达式。假设一个适度合理的实现会给您一个“压缩”正则表达式,它保证不包含意外的变量。