识别字符串中的字典单词

Question

我正在编写一个程序来评估密码的强度。我的程序中的一个函数获取输入的密码，并将其与大量单词和密码列表进行比较。

这段代码是一个二进制搜索，查看输入的密码是否在密码列表中。

with io.open('PasswordList.txt', encoding='latin-1') as myfile:
        data = myfile.readlines()
        low = 0
        high = (len(data)-1)
        while (low <= high) and not Found:
            mid = int((low+high)/2)
            if data[mid].rstrip() == Password:
                Found = True
                break
            elif Password < str(data[mid]):
                high = mid - 1
            elif Password > str(data[mid]):
                low = mid + 1

这段代码从密码中删除所有数字，将其转换为常用字母，并再次对照列表进行检查。 “Password123”会变成“password”，而“password”在列表中。

SimplePassword = ''.join([i for i in Password if not i.isdigit()])
SimplePassword = SimplePassword.lower()

if not Found:
        with io.open('final.txt', encoding='latin-1') as myfile:
            data = myfile.readlines()
            low = 0
            high = (len(data)-1)
            while (low <= high) and not Found:
                mid = int((low+high)/2)
                if data[mid].rstrip() == SimplePassword:
                    PartiallyFound = True
                    break
                elif SimplePassword < str(data[mid]):
                    high = mid - 1
                elif SimplePassword > str(data[mid]):
                    low = mid + 1

我想通过编写一些可以识别字符串中的名称或单词的代码来进一步实现这一点。例如，单词“john”在列表中，单词“smith”在列表中。但是，输入的密码“JohnSmith123”会被忽视。

如何才能将字符串拆分为单独的单词？我正在考虑的一种方法是将大写字母之间的字母附加到数组中，然后单独检查该数组中的每个元素。

但必须有更好的方法。有什么方法可以查看输入的密码是否可以从大型单词列表中的单词变体构造？

Answer 1

你可以测试一下

badness = 0
for word in wordlist:
    if word in passwordString and len(word) > badness:
        badness = len(word)

这样，密码这个词就会被：

• 密码
• 字
• 通过
• 等

但实际上只有“密码”才适用。

Answer 2

from variations of words inside a large wordlist

您可以使用一个工具从您的
构造一个正则表达式Trie 单词列表。
您只需将所有变体粘贴到文本框中，它就会抽出
一个完整的正则表达式树。

这可能是最快的查找。

该工具在试用版中可用。

屏幕截图Tool。
App 仅在 Windows 上运行。

主菜单的位置是工具->三叉树

基准测试

Regex used
Samples

Regex1:
Completed iterations:   1  /  1     ( x 1000 )
Matches found per iteration:   174939
Elapsed Time:    600.30 s,   600296.36 ms,   600296365 µs

目标样本：正则表达式表示的所有 174,939 个单词（按随机顺序）

样本分析：

    174,939  words matched / iteration
  x   1,000  iterations
------------------------------
 174,939,000 total words matched
  /      600 total seconds
------------------------------
     291,565 words matched / second         <<<
  /    1,000 miliseconds / second
------------------------------
         292 words matched / milisecond     <<<