区分包含单词的文本块和包含乱码的文本块的最佳算法

Question

区分包含适当句子的文本字符串的最佳方法是什么，即

The cat sat on the hat

和包含纯胡言乱语的字符串

$ $ #@^^sSss .....$$ 2 dzw6^^^#73@2 ## @=^^

在java中。

Answer 1

假设你没有合适的解析器resp。或者你事先不知道这门语言，一些假设可能会对你有所帮助，例如：

正确的单词文本是由单词组成的，单词之间有空格和几个标点符号，甚至在允许任意长单词的语言中，单词的长度也有典型的范围(例如，German)

• typically，a

编写一个函数来测试这些假设的字符串，在现有文本上运行几个测试，以定义一个字符串必须在多大程度上符合这些规则才能被接受为“适当的文本”。