查找n-gram分析。它已成功用于自动检测文本语言，并且即使在非常短的文本上也能出色地工作。

在线演示（不再在线）将“ bilbomoothof”识别为英语，将“ sdfgbhm342r3f”识别为尼泊尔语。即使匹配很差，它也可能总是返回最佳匹配。我认为您可以训练它以区分“可发音”和“随机”。

回答问题1：

不幸的是，这无法完成，因为Kolmogorov复杂度函数不可计算，因此除非您将某些规则应用于可能的用户名域，否则您将无法生成此类算法，那么您将能够执行启发式分析并做出决定，但即使如此，难做。

PS：发布此答案后，我碰到了一项提供用户名域名限制示例的服务，让用户使用众所周知的公共域的邮箱作为用户名。

我想如果您可以限制自己只能听英语发音的话，您可能会想到这样的事情。对我来说（我是法国人），诸如szczepan或wawrzyniec之类的单词是不可发音的，并且肯定具有一定的随机性。

但是他们实际上是波兰人的名字 （意思是史蒂文和劳伦斯 ）...

我同意Mac。但是，不仅如此，人们有时还会使用无法发音的用户名，例如qwerty或rtfmorleave。

为什么要打扰呢？

<过时和错误，但由于评论，我不删除>

但除此之外 ， 没有机器人会使用“ zetztzgsd”作为用户名 ，他们没有实名，可能的昵称之类的字典，所以我认为这对您来说是浪费时间

</已过时且为假，但由于评论而我不删除>

只需将CAPTCHA作为注册过程的一部分即可。

您永远都无法将真实的uesrnames与由bot创建的用户名区分开来，而不会严重惹恼用户。

您将使用俗称的或非英语的名称来阻止用户，这会激怒他们，而僵尸程序将继续尝试直到他们捕获到良好的用户名（从字典或其他来源获得-顺便说一句， 这是一个非常好的用户 ！ ）。

编辑：寻找预防措施而不是事后分析？

解决方案是让其他人为您管理用户身份。例如，您可以使用一小部分OpenID提供程序（例如SO），或facebook connect或两者。您将确定这些用户是真实的，并且他们已经在解决至少一个验证码。

编辑：另一个想法

在Google中搜索字符串，然后检查找到的匹配项数。不应该是您唯一的工具，但它也是一个很好的指标。当然，随机字符串应该几乎没有匹配项。

在我的头顶上，您可以利用soundex查找音节。基于一个可发音单词至少有一个音节的假设，这就是我要探索的方向。

编辑：这是一个用于计数音节的函数：

function count_syllables($word) {

$subsyl = Array(
'cial'
,'tia'
 ,'cius'
 ,'cious'
 ,'giu'
 ,'ion'
 ,'iou'
 ,'sia$'
 ,'.ely$'
 );

 $addsyl = Array(
 'ia'
 ,'riet'
 ,'dien'
 ,'iu'
 ,'io'
 ,'ii'
 ,'[aeiouym]bl$'
 ,'[aeiou]{3}'
 ,'^mc'
 ,'ism$'
 ,'([^aeiouy])\1l$'
 ,'[^l]lien'
 ,'^coa[dglx].'
 ,'[^gq]ua[^auieo]'
 ,'dnt$'
 );

 // Based on Greg Fast's Perl module Lingua::EN::Syllables
 $word = preg_replace('/[^a-z]/is', '', strtolower($word));
 $word_parts = preg_split('/[^aeiouy]+/', $word);
 foreach ($word_parts as $key => $value) {
 if ($value <> '') {
 $valid_word_parts[] = $value;
 }
 }

 $syllables = 0;
 // Thanks to Joe Kovar for correcting a bug in the following lines
 foreach ($subsyl as $syl) {
 $syllables -= preg_match('~'.$syl.'~', $word);
 }
 foreach ($addsyl as $syl) {
 $syllables += preg_match('~'.$syl.'~', $word);
 }
 if (strlen($word) == 1) {
 $syllables++;
 }
 $syllables += count($valid_word_parts);
 $syllables = ($syllables == 0) ? 1 : $syllables;
 return $syllables;
 }

从这个非常有趣的链接：

http://www.addedbytes.com/php/flesch-kincaid-function/

您可以使用神经网络来评估昵称是否看起来像自然语言的昵称。

组合两个数据集：一个有效的昵称和一个伪造的昵称。用字符值作为输入训练一个简单的向后传播的单隐藏层神经网络。神经网络将学习区分“ zrgssgbt”和“ zargbyt”之类的字符串，因为后者混合了辅音和元音。

重要的是要使用真实的示例来区分。