java - 如何分析Java中的字符串以判断它是单词还是全部乱码？

我需要分析Java中的字符串以判断它是否包含乱码。

例如:
“asdasx123ax”-乱码
“dsjkklcq”-乱码
“12das”-乱码
“samarta”-不是乱七八糟的(请注意，它不必是字典中的真实单词，才可以被视为“non gubberish”)
“karatko”-不乱语

基本上，我将分析域名，并且我想要一种算法，该算法将使我有一个特定域名是垃圾邮件/健壮邮件/垃圾邮件域名的可能性。

因此，我更多地关注键盘混搭或类似猫的胡言乱语。

附言我专注于英语。我会对算法不是100％精确的算法感到满意，并且如果它有时会出错，如果成功检测到乱码的可能性(我在上面如何定义)大于0.6，我会认为它是满足我的需求的可行算法。

也许Java中有一些库或算法可以解决此问题？

最佳答案

对于英语，这是我如何计算每个单词的可信度得分:

合理的元音/辅音比率的奖励积分

减去数字

的存在

奖励存在常见字母组合(“ee”，“oo”，“ey”，“th”，“ch”，“sh”，“qu”)的点数

减去常见键盘混搭组合的点(“asdf”，“qwer”，“q”后跟除“u”以外的其他任何东西)，依此类推。

然后，我会得到一长串单词并对其进行微调。