spamassassin如何匹配日语？

Question

我住在日本。最近有很多来自中国的垃圾邮件，邮件都是用中文写的。由于 spamassassin 不包含中文规则，因此大多数电子邮件以低分通过。

我想确定何时仅用中文撰写电子邮件。由于大多数日语汉字都包含在中文范围内（U+E400 到 U+E9FF），识别日语的一种方法是查看平假名（U+3040 到 U+309F）和片假名（U+30A0 到 U +30FF）。如果它包含平假名或片假名，我可以肯定地认为是日语，否则是中文。

如果我测试单个字符，例如：?或者?它们正确匹配，但是当我使用范围时它不起作用。这是我们尝试过的：

body    CHINESE       /[\xe4-\xe9]/                 <--- this form seems to work fine
body    JAPANESE      /[\x30-\x31]/                 <--- not sure what is actually matching
body    JAPANESE      /(?|?)/                      <---- this matches single character just fine
body    JAPANESE      /[?-?]/                      <--- doesn't work
body    JAPANESE      /[U+3040-U+30FF]/              <--- doesn't work
body    JAPANESE      /[\xe3\x81\x81-\xe3\x82\x96]/  <--- doesn't work
body    JAPANESE      /[\x{3040}-\x{30FF}]/          <--- doesn't work

我真的不知道我在做什么了。我知道上面的一些没有意义......

指定这些范围的正确方法是什么？

Answer 1

您是否尝试过使用 Mail::SpamAssassin::Plugin::TextCat（语言检测器）？
恕我直言，您应该首先考虑/评估它。

header LANGUAGE_ZH X-Languages =~ /\b(?:zh)\b/
describe LANGUAGE_ZH Chinese language
score LANGUAGE_ZH 1.0

header LANGUAGE_JA X-Languages =~ /\b(?:ja)\b/
describe LANGUAGE_JA Japanese language
score LANGUAGE_JA -0.1

您可以修改它以匹配“仅检测/猜测一种语言”或某些语言组合。

警告：确保您的 SpamAssassin 配置加载了插件。
它是/etc/spamassassin/v310.pre在 Debian Linux 上的文件中配置的。