文本删除垃圾邮件URL

Question

输入：

dsfdsf WWW。 cnn .com dksfj kdsfjkdjfdf www.google.com dkfjkdjfk w w w。雅 呼.CO mdfdd

输出：

dsfdsf dksfj kdsfjkdjfdf dkfjkdjfk mdfdd

我怎样写，做这在C＃中的作用？

Answer 1

首先在C＃中学习RegEx (Regular Expression) facilities，然后您需要一个良好的RegEx that matches a URL。你需要改变它来管理带有空格的URL。

Answer 2

基本上你就必须实现两个步骤：

1. 正常化
2. 过滤

规范化意味着你会从你的输入中删除所有的空白和其他噪声的字符，然后你做一个将所有变音符，特殊字符等转码为基本的拉丁字母（这是为了将相同或相似的字形映射为单个字符，例如omicron和o看起来相同）。您需要保留从规范化版本的输入到原始输入的一对一映射。

然后，您将搜索标准输入的阻塞模式，检索原始输入中的相同模式并将其删除。

当然，这种方法不是故障安全的，实际上可能会出现误报。

一个很好的答案描述简单的过滤是如何注定可以在这里找到：

How do you implement a good profanity filter?