C# 如何确定文件名是否是随机的？

我需要能够测试一个文本列表的文件名，似乎随机

e、 g.aggvvcx.com或kbzaandc.exe

有什么合理/合理的方法可以做到这一点吗？我唯一的想法是检查元音和辅音的出现率，但这似乎不可靠，使用字典也不可靠

编辑：随机性的定义

---

关于随机性的性质，我所掌握的唯一信息是它是一个文件名。也许有可能得到一个通用文件名的字典，并使用某种模式解析器来确定通用文件命名模式，并在培训后对照列表运行它？如果我们考虑使用多种语言，这显然是一种徒劳的方法，但我只对检查英文文件名感兴趣。

有很多随机性测试，因此为您发布的第一个测试将决定随机性的含义。恐怕做那个决定不是件小事。但是维基百科页面是一个很好的起点

---

好消息是，如果你只是想让它变得“相当混乱”，那么你可以采取一些合理的方法（即，计算成本低，而且通常足够好）。

你所说的随机到底是什么意思？有很多方法可以回答这个问题

从技术上讲，这可能是“它们包含了多少熵”使用

既然你提到了字典，你的意思可能是“它们看起来像真单词吗？”这可以通过字母分布来检查长文本，但对于你显示的短名称，这将失败。相反，你可以尝试角色。这与字母频率相似，但适用于2/3字母序列。这意味着，如果你尝试使用bigrams，你会发现第一个单词包含“gv”、“vv”、“vc”、“cx”，这在任何英语单词中都是不可能找到的

---

还有其他方法可以回答这个问题，所以你必须弄清楚在这种情况下“随机”对你来说到底意味着什么。

一个半粗略和快速的启发式检查是按单个字母对字符串进行排序，并将其排序序列与随机生成该长度序列的可能性进行比较。i、 e.对于字长2，字母表中给定26个字母的（排序）字符串“AA”的概率为1/（26*26），但由“AB”和“BA”生成的（排序）字符串“AB”的概率为2/（26*26）

另外，从编程的角度来看，另一种方法是对其运行拼写检查，并找出有多少“错误”。然后对其设置一个阈值。

您可以尝试

对于较长的字符串，使用zlib进行gzip压缩，其中较大的压缩表示较小的随机性

对字符串中的字符进行频率分析，并与相应自然语言的平均值进行比较

谷歌搜索假设随机字符串的点击率可能会显著降低

soundex用于确定字符串是否至少有一个音节，因此更容易发音，也不太可能是随机的

具有朴素贝叶斯分析的n-grams（）

训练神经网络，使其与垃圾邮件过滤类似

根据Netflix挑战的获胜者的方法，将上述所有测试结合起来，以获得最佳结果，即将相对平庸的测试结合起来，可能会产生更好的测试

---

我必须为一个源代码挖掘项目解决一个密切相关的问题，并开发了（用于“无意义字符串计算器”）。这个Python3包旨在确定在源代码挖掘过程中提取的字符串可能是类/函数/变量/等等标识符还是随机乱码。它也适用于真实文本，而不仅仅是程序标识符。鼻孔使用n-grams（类似于）结合自定义评分功能。它经过预训练，可以开箱即用

示例：下面的代码

from nostril import nonsense
real_test = ['bunchofwords', 'getint', 'xywinlist', 'ioFlXFndrInfo',
             'DMEcalPreshowerDigis', 'httpredaksikatakamiwordpresscom']
junk_test = ['faiwtlwexu', 'asfgtqwafazfyiur', 'zxcvbnmlkjhgfdsaqwerty']
for s in real_test + junk_test:
    print('{}: {}'.format(s, 'nonsense' if nonsense(s) else 'real'))

将产生以下输出：

bunchofwords: real
getint: real
xywinlist: real
ioFlXFndrInfo: real
DMEcalPreshowerDigis: real
httpredaksikatakamiwordpresscom: real
faiwtlwexu: nonsense
asfgtqwafazfyiur: nonsense
zxcvbnmlkjhgfdsaqwerty: nonsense

---

该项目正在进行中，我欢迎您的贡献。

我们无法为您定义“随机”的含义。一旦你自己弄明白了这一点，你就有了问题的答案。你必须提供一个更好的“似乎是随机的”定义，因为随机生成的字符串产生类似“myfile”的东西的几率与产生“qzzyei”的几率一样大。这是随机性。这可能很有用：。您可能希望尝试询问。鉴于.exe和.com部分，字典似乎是使用基于字符串的距离函数的最佳选择。除此之外，您还可以构建一个已知可执行文件的列表，并标记不属于该列表的任何内容。以下哪一项是随机的（无需谷歌搜索）：

nvvsvc.exe

、

msseces.exe

或

cvvil.exe

。其中两个是windows打包的公共服务，一个是“随机”嗯，这是个好主意，但这在实践中真的适用吗？AZ的文件名看起来不像AA那么随机？太好了，非常感谢。显然，这与一个能很好地回答这个问题的答案有关。@ChibuezeOpata:是的，我看到了一个，还有其他几个，但不是全部都是这样。这是一个有趣的问题，由于国际化（字符串是随机的还是来自另一种语言）和名称空间拥挤（迫使人们将登录名的字符串随机化以获得一个位置），它变得越来越难解决。事实上，从任何时候起，人类都在为自己制造问题。用户名/昵称可能在50年后被弃用。