Thread Regex für Spamfilter bei Nicht-Ascii (33 answers)
Opened by GwenDragon at 2012-06-17 18:27

GwenDragon
 2012-06-17 18:27
#159090 #159090
User since
2005-01-17
14774 Artikel
Admin1
[Homepage]
user image
Leider greift bei der Suche nach Spamworten bei Nicht-Ascii Wordboundary \b nicht.

Code (perl): (dl )
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

#!/usr/bin/perl

use 5.008;
use strict;
use warnings;

use locale ':not_characters';

my @words = (
        'ルイビトン!', 
        'ルイビトン', 
        'V1$gRa!',
        'Viagra',
        'интернет!',
        'товары',
);

while (my $line = <DATA>) {
        for my $spamword (sort @words) {
                print ($line =~ /\b\Q$spamword\E\b/i ? "Spam: $spamword -> $line" : '');
        }
}

__END__

__DATA__
CAT & CATZE
 ルイビトン
 ルイビトン!
  8I_Iy ViAGra!
         Test.Toast                      
                 интернет!
Perl's son is not Tim Towdy!


Was mache ich falsch?
die Drachin Gwen

Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten

View full thread Regex für Spamfilter bei Nicht-Ascii