正则表达式/启发式检测重复词，例如"gfgfgfgf" "dadadada" "sdsdsd"
regex / heuristic to detect repetitive words e.g. "gfgfgfgf" "dadadada" "sdsdsd"
我们如何使用正则表达式搜索单词中的重复模式以检测“垃圾”或虚拟单词，例如“gfgfgfgfg”和类似单词，但不限制 创意 像“aweeesssoome”、“omggg”等词
示例：
在“gfgfgfgfg”的情况下正则表达式搜索/检测/结果应该是肯定的（检测到“gf”基础模式，最终构造整个单词，注意“悬挂”最后一个字符“g”）
在单词“aweesoooomee”的情况下，它应该 return 为假，因为没有使用重复模式来构造 整个单词.
重新 可能重复 由 rsjaffe 标记:
我post在regex101.com上link的问题Detect repetitions in string has a generic and not so "smart" solution I am looking for. As explained above, the solution / variation I'm currently using considerably reduces false positives detection. Simple test可以作为证据，看看为什么不满足我的要求。
补充说明：
上述方法也检测相邻单词的重复，并限制创造性（“有效”）单词，这不是理想的效果。
示例：
“this is”——将“is”检测为 2 个单独单词中的重复（“is is”模式匹配）。
"awesoooommeee" -- 检测重复的单个字母，如“o”、“m”和“e”。
搜索这个解决方案有点难找，所以我不得不问这个问题。
首先，介绍一些背景故事：
- 我运行一个博客
- 我有一个 post 关于 reCaptcha
- 有时（大约每周一次）有人试图搞笑并 post 垃圾评论的形式与此类似：
gfgfgfgf
sdsdsdsds
dadadada
你明白了。他们是在测试自动 reCaptcha 绕过系统作为概念证明还是只是想搞笑，我不知道也不关心（很可能两者兼而有之）。
(edit) 有趣的是，没有其他 post 受到此类垃圾评论的影响。
但是，考虑到这一点，检测这些评论具有的（大部分）单个词中的模式 (99%) 并防止这些评论 posting 应该是相对简单和容易的。听起来很简单？
但是，它也必须足够好以避免误报。
例如，如果一条评论像上面那样有一个重复的单词，那么它肯定是垃圾邮件。
另一方面，如果它只是在正常句子的中间有一个拼写错误，它应该通过。
现在，我已经可以 'hear' 在下面评论为什么不使用 Akismet。或解决方案 X。或解决方案 Y。为什么不用像 Disqus 或 Facebook 评论 这样的外部评论系统。因为，我做不到。它必须在内部。我希望简单。我已经有一些东西可以防止大量垃圾，但对于这个特殊情况，它们都失败了。
目前我测试过的解决方案：
这是一个正则表达式示例，是此答案的变体 here，但并不完美：
(.+\w)(?=+)/gu
它的问题在于，在下面的示例中，它大部分时间都会通过，但它也会触发误报：
correct/proper检测：
123123123123
daddaddaddad
sadsadasad
sadsadsad
121212121
sasasasasas
sdsdsdsds
dsdsdsdsd
ffffffff
blahblah
ioiooioioioi
popopopopop
Hi I dont think this is a spam.
improper/incorrect检测（误报）：
I loooovve this. It's awesooooommeee!
现在，这很棘手。过滤器完全按照指示执行，但是，“ooovv”和“oooommeee”模式在与上面列出的第一个模式（“gfgfgfgf”等）相同的意义上并不完全重复。过滤器检测到“oo”模式重复。是的，正确，但不完全是我想要的目标。
有谁知道如何改进此正则表达式检测使其更智能一点？
谢谢！
我终于解决了！并使用单个正则表达式行:)
正在搜索 正则表达式检测重复字符串 我找到了所需的线索。
这个问题：Matching on repeated substrings in a regex and the particular answer 激发了我找到解决方案的灵感。
解决方案是使用 capturing groups 和 backreference 在对上述原始答案稍作修改的正则表达式中使用，以便同时包含字母和号码：
^([a-z0-9]{2,}).*()$/gumi
示例：https://regex101.com/r/xG40cL/1
上述解决方案的另一种变体是包含单个字符，这样具有偶数个字符和奇数个字符（偶数和奇数对称）的单词也将被匹配（例如 "ooo"、"iii"等）：
^([a-z0-9]{1,}).*()$/gumi
示例：https://regex101.com/r/m9aqNk/1
虽然还不完美，但肯定更好，更接近理想状态。
对不起大家这么痛苦，因为现在我明白了我正在寻找的关于正则表达式的正确术语（它叫做 backreference）。
我们如何使用正则表达式搜索单词中的重复模式以检测“垃圾”或虚拟单词，例如“gfgfgfgfg”和类似单词，但不限制 创意 像“aweeesssoome”、“omggg”等词
示例：
在“gfgfgfgfg”的情况下正则表达式搜索/检测/结果应该是肯定的（检测到“gf”基础模式，最终构造整个单词，注意“悬挂”最后一个字符“g”）
在单词“aweesoooomee”的情况下，它应该 return 为假，因为没有使用重复模式来构造 整个单词.
重新 可能重复 由 rsjaffe 标记:
我post在regex101.com上link的问题Detect repetitions in string has a generic and not so "smart" solution I am looking for. As explained above, the solution / variation I'm currently using considerably reduces false positives detection. Simple test可以作为证据，看看为什么不满足我的要求。
补充说明：
上述方法也检测相邻单词的重复，并限制创造性（“有效”）单词，这不是理想的效果。
示例：
“this is”——将“is”检测为 2 个单独单词中的重复（“is is”模式匹配）。
"awesoooommeee" -- 检测重复的单个字母，如“o”、“m”和“e”。
搜索这个解决方案有点难找，所以我不得不问这个问题。
首先，介绍一些背景故事：
- 我运行一个博客
- 我有一个 post 关于 reCaptcha
- 有时（大约每周一次）有人试图搞笑并 post 垃圾评论的形式与此类似：
gfgfgfgf
sdsdsdsds
dadadada
你明白了。他们是在测试自动 reCaptcha 绕过系统作为概念证明还是只是想搞笑，我不知道也不关心（很可能两者兼而有之）。
(edit) 有趣的是，没有其他 post 受到此类垃圾评论的影响。
但是，考虑到这一点，检测这些评论具有的（大部分）单个词中的模式 (99%) 并防止这些评论 posting 应该是相对简单和容易的。听起来很简单？
但是，它也必须足够好以避免误报。
例如，如果一条评论像上面那样有一个重复的单词，那么它肯定是垃圾邮件。
另一方面，如果它只是在正常句子的中间有一个拼写错误，它应该通过。
现在，我已经可以 'hear' 在下面评论为什么不使用 Akismet。或解决方案 X。或解决方案 Y。为什么不用像 Disqus 或 Facebook 评论 这样的外部评论系统。因为，我做不到。它必须在内部。我希望简单。我已经有一些东西可以防止大量垃圾，但对于这个特殊情况，它们都失败了。
目前我测试过的解决方案：
这是一个正则表达式示例，是此答案的变体 here，但并不完美：
(.+\w)(?=+)/gu
它的问题在于，在下面的示例中，它大部分时间都会通过，但它也会触发误报：
correct/proper检测：
123123123123
daddaddaddad
sadsadasad
sadsadsad
121212121
sasasasasas
sdsdsdsds
dsdsdsdsd
ffffffff
blahblah
ioiooioioioi
popopopopop
Hi I dont think this is a spam.
improper/incorrect检测（误报）：
I loooovve this. It's awesooooommeee!
现在，这很棘手。过滤器完全按照指示执行，但是，“ooovv”和“oooommeee”模式在与上面列出的第一个模式（“gfgfgfgf”等）相同的意义上并不完全重复。过滤器检测到“oo”模式重复。是的，正确，但不完全是我想要的目标。
有谁知道如何改进此正则表达式检测使其更智能一点？
谢谢！
我终于解决了！并使用单个正则表达式行:)
正在搜索 正则表达式检测重复字符串 我找到了所需的线索。
这个问题：Matching on repeated substrings in a regex and the particular answer 激发了我找到解决方案的灵感。
解决方案是使用 capturing groups 和 backreference 在对上述原始答案稍作修改的正则表达式中使用，以便同时包含字母和号码：
^([a-z0-9]{2,}).*()$/gumi
示例：https://regex101.com/r/xG40cL/1
上述解决方案的另一种变体是包含单个字符，这样具有偶数个字符和奇数个字符（偶数和奇数对称）的单词也将被匹配（例如 "ooo"、"iii"等）：
^([a-z0-9]{1,}).*()$/gumi
示例：https://regex101.com/r/m9aqNk/1
虽然还不完美，但肯定更好，更接近理想状态。
对不起大家这么痛苦，因为现在我明白了我正在寻找的关于正则表达式的正确术语（它叫做 backreference）。