（正则表达式）/字符串模式识别算法答案

【问题标题】：algorithm for (regex)/String pattern recognition（正则表达式）/字符串模式识别算法
【发布时间】：2014-05-08 06:58:40
【问题描述】：

我有一个文件，其中包含一些字符串，例如..

P31XYFT5
3YTTXPL

这是一个示例，该文件可能包含 +100K 的这些字符串，我需要找到这些字符串并提取它们，我可以使用什么算法（包括机器学习算法）

【问题讨论】：

你知道要寻找什么吗？除了这两个有共同点？
我正在寻找这些模式，混合字母数字字符，没有指定顺序
嗨！正则表达式似乎是像这样的简单任务的正确方法，但您需要知道 (1) 期望哪些字符（并且您已经告诉我们，尽管知道您是否期望全部大写会有所帮助），（2 ) 不期望的字符，因此我们可以包含这些字符，(3) 它们出现的上下文以便我们可以排除它，(4) 您要查找的字符串的长度。理想情况下，发布数据的 sn-p。然而，更理想的是，尝试 debuggex.com 或 regex101.com 来帮助构建您的正则表达式

【解决方案1】：

我会尽力给你建议，但@fge 是对的，你需要知道要寻找什么。

如果您的文件包含有效单词，您可以使用字典来识别现有和不存在的单词。

如果您知道应该排除的单词的模式 - 您可以应用它来检测这些单词。

谈到机器学习算法 - 我在图像方面拥有更多经验，因此对您没有太大帮助。对于图像，您只需提取特征并预测/学习，例如支持向量机 (SVM)。这里可能会用到类似的东西。

【讨论】：