检查字符串是不是包含子字符串列表并保存匹配的子字符串

Posted 2023-02-23

【中文标题】检查字符串是不是包含子字符串列表并保存匹配的子字符串

【英文标题】：Check if a string contains a list of substrings and save the matching ones检查字符串是否包含子字符串列表并保存匹配的子字符串

【发布时间】：2015-07-27 11:20:18

【问题描述】：

这是我的情况：我有一个代表文本的字符串

string myText = "Text to analyze for words, bar, foo";   

以及要在其中搜索的单词列表

List<string> words = new List<string> "foo", "bar", "xyz";

我想知道获取文本中包含的单词列表的最有效方法（如果存在），类似于：

List<string> matches = myText.findWords(words)

【问题讨论】：

在 CPU 时间或内存方面效率高吗？

myText 的大小是多少以及您将执行多少搜索操作/

您需要定义“单词”的含义。 “foo”是否应该在“This is foobar”这样的字符串中匹配？ Contains 的答案会匹配，而Split 的答案不会。

【参考方案1】：

除了必须使用Contains 方法外，此查询没有特殊分析。所以你可以试试这个：

string myText = "Text to analyze for words, bar, foo";

List<string> words = new List<string>  "foo", "bar", "xyz" ;

var result = words.Where(i => myText.Contains(i)).ToList();
//result: bar, foo

【讨论】：

这可能是最好的选择，考虑到编码时间的效率（不应忽略）

@DrewKennedy 只要问题不复杂，为什么不选择最简单紧凑的解决方案

@HosseinNarimaniRad 我同意这没关系。我认为评论指的是这种方法需要多次传递字符串，这不是必需的。此外，如果单词相对较长，还有 Boyer-Moore-Horspool 算法可以显着加快算法速度。

@Bas 谢谢。我要检查 Boyer-Moore-Horspool 算法

应该注意，这将匹配字符串中的“foo”，例如“This is foobar”，这可能是也可能不是想要的结果。

【参考方案2】：

您可以使用 HashSet<string> 并与两个集合相交：

string myText = "Text to analyze for words, bar, foo"; 
string[] splitWords = myText.Split(' ', ',');

HashSet<string> hashWords = new HashSet<string>(splitWords,
                                                StringComparer.OrdinalIgnoreCase);
HashSet<string> words = new HashSet<string>(new[]  "foo", "bar" ,
                                            StringComparer.OrdinalIgnoreCase);

hashWords.IntersectWith(words);

【讨论】：

虽然它处理给定的示例，但它不适用于像“这里是 foo！bar 在哪里？我是 xyz。”这样的字符串。基本上，您需要拆分任何可以分隔单词的内容。 OP也没有提到“foo”是否应该在“This is foobar”这样的字符串中匹配。

@juharr 这是 OP 可以使用 HashSet 做什么的示例。他可以在任何他想要的分隔符上进行拆分。他还可以在将字符串插入集合之前修剪字符串，我没有这样做。

我完全同意，如果 OP 想要查看单词而不仅仅是任何子字符串，这是要走的路。我只是觉得应该指出，拆分过程可能更复杂。

【参考方案3】：

正则表达式解决方案

var words = new string[]"Lucy", "play", "soccer";
var text = "Lucy loves going to the field and play soccer with her friend";
var match = new Regex(String.Join("|",words)).Match(text);
var result = new List<string>();

while (match.Success) 
    result.Add(match.Value);
    match = match.NextMatch();


//Result ["Lucy", "play", "soccer"]

【讨论】：

你应该使用 Regex.Escape

【参考方案4】：

根据您希望能够使用myText.findWords(words) 的想法，您可以为 String 类创建一个扩展方法来做您想做的事情。

public static class StringExtentions

    public static List<string> findWords(this string str, List<string> words)
    
        return words.Where(str.Contains).ToList();
    

用法：

string myText = "Text to analyze for words, bar, foo";
List<string> words = new List<string>  "foo", "bar", "xyz" ;
List<string> matches = myText.findWords(words);
Console.WriteLine(String.Join(", ", matches.ToArray()));
Console.ReadLine();

结果：

富，酒吧

【参考方案5】：

下面是一个简单的解决空格和标点符号的方法：

static void Main(string[] args)

    string sentence = "Text to analyze for words, bar, foo";            
    var words = Regex.Split(sentence, @"\W+");
    var searchWords = new List<string>  "foo", "bar", "xyz" ;
    var foundWords = words.Intersect(searchWords);

    foreach (var item in foundWords)
    
        Console.WriteLine(item);
    

    Console.ReadLine();