Regex和特殊字符

Question

我有一个正则表达式，我需要过滤包含单词的消息。

免费，grátis，grétis，gr tis，gr tis.

因此，我认为这应该很容易，就像/gr.tis/但它不起作用。我使用这个regex对Centos使用后缀过滤电子邮件。

问题是，如果消息包含“免费”，它会被过滤，但如果它包含"grátis“或”grétis“.但事实并非如此。怎么一回事？

由于某种原因编辑。{1，5}已生效。为什么？

Answer 1

正如我在评论中所说：

将.替换为.{1,5}的原因是，是哪个引擎正在读取非ASCII字母/符号，而不是它们的实际字符(例如，它可能是\u00FF之类的符号的unicode字符表示)。

这就是为什么/gr.*tis/和替换.令牌以获取多个实例的答案是有效的。

Answer 2

试着像这样/gr.*tis/。这似乎是由特殊字符引起的编码问题，即"á“、”a“、.

Answer 3

我会选择更有活力的.

(?<=\b)(g|G)r(.)tis(?=\b)

• 这将在字符串的开头或中间找到单词，
• 搜寻大写G或小写g
• 在空格、行尾或非单词字符如“、”或“”之前停止。

如果您使用

gr.[^ -~]{0,4}tis

然后，您将匹配像lksdfkjhasgratisaljsdhfkjsdf这样的单词中的“免费”，因为免费的在其中，而regex不足以知道免费的只是单词的一部分，而不是单词本身。所以你最终会得到假阳性和一个膨胀的数字。

不仅如此，你永远也比不上-

免费Grátis Grétis Gr tis或Gr tis

编辑了我的答案以改进所采取的步骤