С посещаемостью этого форума вопрос о том, чтобы новую систему потестить не встанет За месяц можно столько извращенских написаний собрать, что потом уже трудно будет придумать что-то новое.

1. Парсим стринг по чарам. Берем 1 чар и сиздаем объект Pair содержащий char, int[] положения в исходной строке (если мы впоследствии переведем ya->я то нужно помнить две позиции а не одну) и булиновый флаг.
а. Пробелы выбрасываем сразу (то есть даже Пару под них не создаем), т.к. можно ведь написать
f u c k
и потом он ни под один регексп не подойдет.
б. Выбрасываем все "очевидные" знаки пунктуации: ? , .
в. Записываем все подряд в массивлист.
г. При этом переводя в нижний регистр.

2. Нужны есессно свои методы поиска, т.к. регеспы при всем желании на массиве объектов не заработают.

3. Теперь ищем неочевидную гадость со знаками / | \ ^ * типа б/|я. Заменяем на нужные буквы.
Незаменяемые символы выбрасываем.

4. Переводим весь инглиш в русский как в транслите.

5. Переводим 1234567890@$%& <> - например п1д0р
Незаменяемые символы выбрасываем.

6. Имеем рашн текст, по которому ищем все известные нам корни если нашли, заменяем в Парах флаг на ТРУЕ.

7. Теперь проходим по массиву и для тех Пар у которых ТРУЕ берем индекс и заменяем символ в стринге по этому индексу на *.

Код

chiffreText="k03eeee/|"; char chiffre[]; chiffre[0]=k; chiffre[1]=0; chiffre[2]=3; chiffre[3]=e; chiffre[4]=e; chiffre[5]=e; chiffre[6]=e; chiffre[7]=/; chiffre[8]=|; int[][] key;// массив из интервалов. индекс соответствует индексу в plainText, интервал - интервалу в chiffreText plainText=Хитрый_алгоритм_нормализации_текста(chiffreText, key); //plainText теперь = "козел"; char plain[]; plain[0]=к; plain[1]=о; plain[2]=з; plain[3]=е; plain[4]=л; key[0][0]=key[0][1]=0; //первая последняя буква совпадают интервал =0 к=k key[1][0]=key[1][1]=1; //первая последняя буква совпадают интервал =0 о=0 key[2][0]=key[2][1]=2; //первая последняя буква совпадают интервал =0 з=3 key[3][0]=3; key[3][1]=6; // интервал =3 3-6 в оригинале е=eeee key[4][0]=7; key[4][1]=8; // интервал =1 7-8 в оригинале л=/|

Ну вот теперь регэкспом по plain'y и с помощью key выцепляем интервал слова козел
В нормализованном он 0-4, следовательно в оригинале:
key[0][0] - key[4][1]; == 0-8

Ээээ .... че козлом ругаешься ?

Domestic Cat Да ты что? Просто отправилось раньше времени

Цитата(sergej @ 22.1.2005, 20:39)

Ну вот теперь регэкспом по plain'y

Дык регесп на char[] не працюе

Ну ё-маё!

Код

char plain[]; String plainText = new String(plain);

Это же только схема Псевдокод так сказать

Ну хорошо, вот ты его нормализовал, выкинул все и пр. Потом регекспом ищещь и заменяешь что не нужно. Как регесп скажет тебе какие конкретно буквы он заменил и что нужно исправлять в исходной строке?

Я добавил в самый низ

Аа, торможу.

Цитата

Я добавил в самый низ smile

Да это понятно, я ж про регексп - там есть методы start, end.

Лана до завтра

Единственное что мне тут не нравится - нужно возиться с массивами. Придется
1. искать слово
2. брать его границы
3. смотреть в инт[][]
4. заменять
Тогда как на Парах можно было бы, сделав метод поиска самим, избежать этого.

Вот кое что сделал, пока только убирает слова из словаря + знаками пунктуации / вайтспейсом ее не обдуришь. Словари задаются в текстовых файлах с соотв. названиями и окончаниями, задается также язык (русский/английский). Пока фильтруются только слова и выбрасывается пунктуация, а также затираются повторяющиеся буквы если они входят в состав матерного слова; нужно добавить транслит и символы типа /|, 4, 1, ...

Пример:

Цитата

This fffUUuUUUccckkKaaa this piece of s-h-i-t he f*u*c*k*e*d me up! ->>> This ***************aaa this piece of *-*-*-* he ********e*d me up!

Присоединённый файл ( Кол-во скачиваний: 8 )
 Filter.zip

Цитата(Domestic @ 23.1.2005, 05:19)

Пробелы выбрасываем сразу

Все, гребля не прошла

Цитата(Domestic @ 23.1.2005, 05:19)

При этом переводя в нижний регистр.

А вот bJIR пройдет

Цитата(Domestic @ 23.1.2005, 05:19)

т.к. можно ведь написать f u c k и потом он ни под один регексп не подойдет.

Надо ввести запрещенную последовательность токенов.

Цитата(LSD @ 23.1.2005, 03:39)

Все, гребля не прошла smile

Ну так запишем слова типа "гребля" и "подстрахуй" в отдельный словарь и их трогать не будем.

Цитата(LSD @ 23.1.2005, 03:39)

А вот bJIR пройдет

Опять-таки, записываем в словарь j| = л ; правда с R не пройдет, но ведь все возможные истолкования в любом случае не уловишь, да и кому будет охота материться когда для этого нужно будет выдумывать малопонятные символы?

Цитата(LSD @ 23.1.2005, 03:39)

Надо ввести запрещенную последовательность токенов.

Я решил отбрасыванием вайтспейса.