有什么办法来检测像putjbtghguhjjjanikastring？
人们在我的网站上search，其中一些search是这些search：
tapoktrpasawe qweasd qwa as aıe qwo ıak kqw qwe qwe qwe a 我的问题是有什么办法来检测类似于上面的string？
我想这是不可能的100％，但任何解决scheme将受到欢迎:)
编辑：我的意思是“乱码search”。 例如，有些人在我的search引擎中search“asdqweasdqw”，“paykaprkg”，“iwepr wepr ow”等string，我想检测乱码search。
search结果是0还是其他什么都没关系。 我不能使用这个逻辑。
如果我考虑“正规的话”，一些新的品牌或产品将被忽略。
感谢您的帮助
你可以build立一个字符模型，从一堆英文文本中转换字符。 例如，你会发现在't'之后有一个'h'（相当常见）有多普遍。 在英语中，你期望在“q”之后，你会得到一个“u”。 如果你得到一个“q”，然后是“u”以外的东西，那么这个概率就会很低，所以它应该是相当惊人的。 规范你的表中的计数，以便你有一个概率。 然后，对于查询，遍历matrix并计算所采用的转换的乘积。 然后通过查询的长度来规范化。 当数量很低时，您可能会有一个乱码查询（或其他语言的东西）。
如果你有一堆查询日志，你可以先制作一个普通的英文文本模型，然后在模型训练阶段对你自己的查询进行大量的加权。
为背景，阅读关于马尔可夫链 。
编辑，我在Python中实现这个：
https://github.com/rrenaud/Gibberish-Detector
和buggedcom重写它在PHP中：
https://github.com/buggedcom/Gibberish-Detector-PHP
my name is rob and i like to hack True is this thing working? True i hope so True t2 chhsdfitoixcv False ytjkacvzw False yutthasxcvqer False seems okay True yay! True
假设你的意思是乱七八糟的search…这将是比它的价值更麻烦。 你提供了一个searchfunction，让他们使用它，但他们请。 我确定有一些algorithm可以检测出奇怪的字符分组，但是这可能比仅仅返回没有结果的资源/劳动密集度更高。
你可以做Stackoverflow的工作，并计算string的熵 。
当然，这只是用来确定低质量答案的许多启发式方法之一，不应该依赖100％的准确性。
我认为你可以像检测“常规单词”一样检测这些string。 这只是模式匹配，不是？
至于为什么用户正在search这些string，这是一个更大的问题。 您可能能够以其他方式阻止乱七八糟的search。 例如，如果是人们（或脚本）正在查找的评论垃圾短语，则安装validation码。
编辑 ：解释input的另一个最终解决方法是稍微调整一下。 每10秒钟左右进行一次search。 （我记得在论坛软件上看到这个，以及在SO上的各个地方）。这将花费一些反复searchsdfpjheroptuhdfj的乐趣，同时不会干扰正在search的用户find他们的东西。
正如有些人评论的，谷歌没有hitok tapoktrpasawe或putjbtghguhjjjanika（当然，现在，当然有），所以如果你有一个方法来通过API快速谷歌search，你可以扔掉任何search条件得到没有Google结果，也不是您的某个产品的名称。 为什么你想这样做是一个完整的其他问题 – 你想节省您的search库的努力吗？ 让您对“热门search字词”更有意义的评论？ 或者，你是否对大型互联网上的一些人的莫名其妙的行为感到沮丧？ 如果是后者，我的build议就是放手，即使有办法阻止它。 一些其他的怪异会出现。
如果在产品上执行search，则可以在查询数据库之前caching它们的名称或代码，并根据该列表进行检查。 否则，如果您的网站是针对英文用户的，则可以创build一个未在英语中使用的string字典，如qwkfagsd。 与其他答案一致的是，如果不存在，资源密集度会更高。
我想检查一下是否有一个辅音，后面跟着一个元音或两个辅音，然后是一个元音，通常意味着一个可读的单词。 否则，它将成为垃圾（除了很less的话）。 我认为这将处理大约98％的垃圾和理智的单词检测。
来想一想。连续3个辅音也许可以立即报警垃圾文本。
