C# 用于捕捉字母之间带有特殊字符的单词的正则表达式

我不熟悉正则表达式，我正在为注释功能（用C#）编写一个高级亵渎过滤器。为了节省时间，我知道所有的过滤器都可能被愚弄，不管它们有多好，你不必告诉我。我只是想让它比基本单词替换更高级一点。我已经将任务分为几个不同的方法，这是其中之一

我需要的是一段特殊的正则表达式，它捕捉如下字符串：

s_h_i_t
s h i t
S<>H<>I<>T
s_/h_/i_/t
s***h***i***t

应始终至少存在一个字符，以避免可能出现的误报，例如

Finish it.

这当然意味着

sh_it

不会被抓到，但正如我所说的，没关系，不一定要完美。我所需要的就是正则表达式，我可以自己做单词拆分和插入正则表达式。我在C#代码中设置了RegexOptions.IgnoreCase选项，因此实际单词中的字符大小写不成问题。此外，此正则表达式不应担心“leetspeek”，即单词的某些实际字母被其他字符替换：

sh1t

我有一个不同的方法来处理这个问题。

---

提前感谢您的帮助。

让我们看看这个正则表达式是否适合您：

/\w(?:_|\W)+/

---

\bs[\W\u]*h[\W\u]*i[\W\u]*t[\W\u]*（？！\ W）

• 匹配非单词字符、字符

  \uuuuz

  或空白字符（也包括换行符）的字母之间的字符

• \b

  （word boundrary）确保

  完成它

  不匹配

• （？！\w）

  确保sh-ituu不会匹配，您可能需要删除/修改该选项，因为

  s\u-hittt

  也不会匹配<代码>\bs[\W\u]*h[\W\u]*i[\W\u]*t+[\W\u]*（？！\ W）将用重复的最后一个字符匹配单词

• 修改

  \bs[\W\u]*h[\W\u]*i[\W\u]*t[\W\u]*？（？！\ W）

  将使最后一个字符类的匹配不贪婪，并且在

  sh it&&&

  中仅

  sh it

  将匹配

• \bs[\W\d\u]*h[\W\d\u]*i[\W\d\u]*t+[\W\d\u]*？（？！\W）

  将匹配

  sh1i444t

  （字符之间的数字）

编辑：

（？！\w）是一个消极的前瞻。它基本上检查匹配后是否有单词字符（单词字符为[a-z09]）。它的长度为0，这意味着它不会包含在匹配中。如果你想捕捉像“s*h*i*tface”这样的单词，你必须删除它。 （）

单词booundrary[/b]匹配单词开始或结束的位置，其长度为0，这意味着它在字符之间匹配

---

[/W]是一个否定的字符类，我认为它等于[^a-zA-Z0-9_u]或[^\W]

好吧，哈姆扎的答案有效。但是，在处理解决方案时，我遇到了编程问题。当我只替换单词时，我总是知道单词的长度。所以我知道要用多少星号来代替它。如果我匹配的是

狗屎

，我知道我需要放4个星号。但是如果我匹配的是

s[^a-z0-9]+h[^a-z0-9]+[^a-z0-9]+I[^a-z0-9]+t

，我可能会捕捉到

s#h#I#t

，或者

捕捉到s------h------I------t

。在这两种情况下，匹配文本的长度将与模式的长度相差很大。如何获取匹配字符串的实际长度？

您可以使用以下命令：

（？I）s[^a-z0-9]*h[^a-z0-9]*I[^a-z0-9]*t

。我在运行中编写了它，所以也许你可以进一步改进它。为了对付像

sh1t

这样的事情，你可以使用字符类而不是

I

：

[i1！]

，对于

s

可能

[$s5]

。请注意，它可能会导致无效警报。啊，regex不是吗？我希望你将其作为一个答案而不是一个注释发布，因为它实际上是有效的。注意：你将

*

更改为

+

，这将导致

sh it

不匹配。确保使用

（？i）s[^a-z0-9]*h[^a-z0-9]*i[^a-z0-9]*t

，或者更好的是使用我的

（？i）[$s5][^a-z0-9]*h[^a-z0-9]*[i1！][^a-z0-9]*t

。还有谁在乎长度？你为什么不把它改成

***

，因为它原来是4个字符。这是故意的。我希望单词的每个字符之间至少有一个特殊字符。否则，我就有很高的误报风险，比如在“完成它”中匹配“shit”。我宁愿“嘘它”溜过去。正如我所说，没有一个自动的亵渎过滤器是完美的。我已经通过调用Regex.Matches（）并遍历MatchCollection得到了长度。但是你的观点很好，我会考虑的。你可以在你的表达式的开头和结尾加上<代码> \b/COD>，这将阻止匹配“完成它”：如果你对一个答案有评论，添加评论。如果你有一个新问题，问一个新问题。你能详细说明一下吗？哪些字符属于单词边界类别？（？！\w）是什么意思？如果我用这个，它会抓住像a_S_H_I_T_a这样的东西吗？我想我知道你要怎么做，但我一开始基本上决定不这么做。我想让“s_h_I_u h_e u a_d”变成“******h_e u a_d”和“s_h_I_u u f u a_e”变成“************f u a_e”。这都是关于人们最有可能做什么。无论如何，这只是版本1，我可以稍后更新正则表达式。还有一件事，我发现S&H&I&T从未被捕获，因为服务器对&A&；进行编码；。我不想替换原始文本中的标记，我想用合适的文字来编码。那么我该如何写[^a-z或这个字符串：“&；”？”来捕捉“&；”，我想您可以使用一个字符类或命名的group。这是一个很好的正则表达式教程

/\w(?:_|\W)+/