删除带有特殊字符的单词

Posted 2023-04-13

技术标签:

【中文标题】删除带有特殊字符的单词【英文标题】：Removing words with special characters in them 【发布时间】：2012-05-30 23:43:09 【问题描述】：

我有一个由许多不同单词组成的长字符串。

我想遍历所有这些，如果单词包含特殊字符或数字（'-' 除外），或者以大写字母开头，我想删除它（整个单词不只是那个字符） .出于所有意图和目的，“外来”字母都可以算作特殊字符。

显而易见的解决方案是循环遍历每个单词（拆分后），然后循环遍历每个字符 - 但我希望有更快的方法吗？也许使用正则表达式，但我几乎没有使用它的经验。

谢谢

添加：

（例如我想要的：）

输入：“this Is an Example of 5 words in an input like-so from example.com”

输出：this,an,of,words,in,an,input,like-so,from

（到目前为止我已经尝试过）

List<string> response = new List<string>();

string[] splitString = text.Split(' ');

foreach (string s in splitString)

    bool add = true;
    foreach (char c in s.ToCharArray())
    
         if (!(c.Equals('-') || (Char.IsLetter(c) && Char.IsLower(c))))
         
             add = false;
             break;
         
         if (add)
         
             response.Add(s);

编辑 2：

对我来说，单词应该是由空格分隔的多个字符 (a..z)。 ,/./!/... 最后不应计入“特殊字符”条件（实际上主要是为了删除 url 等）

所以： “我看到一条狗。它是黑色的！” 应该导致 saw,a,dog,was,black

【问题讨论】：

真的有必要吗？我认为我的问题完全可以理解。我们并不是要你把你的整个项目放在这里。您说“我有一个长字符串..” 将字符串的某些部分放在您希望进行检查的地方。然后告诉我们这个foo 单词应该检查bar 条件，结果输出应该是FooBar @NikhilAgrawal 大多数程序员都能够将功能请求（“文学”）翻译成代码 - 阅读没有什么问题吗？也许 Aabela 在编写任何代码之前 正在考虑一个解决方案，这非常有意义。 @Aabela，请定义“单词”。 foo. 是单词还是单词后跟句号？ 123、. 或 !#%& 是一个词吗（要删除）？嗯，我希望它是“一个单词后跟一个句点”，但我没有考虑过这个问题 - 我只是用空格分隔它们 - 但我真的应该修复 .和 , 在结尾处。 【参考方案1】：

那么您想查找所有仅包含字符a-z 或- 的“单词”，用于以空格分隔的单词？

这样的正则表达式会找到这样的词：

(?<!\S)[a-z-]+(?!\S)

为了还允许以单个标点符号结尾的单词，您可以使用：

(?<!\S)[a-z-]+(?=[,.!?:;]?(?!\S))

示例（ideone）：

var re = @"(?<!\S)[a-z-]+(?=[,.!?:;]?(?!\S))";
var str = "this, Is an! Example of 5 words in an input like-so from example.com foo: bar?";

var m = Regex.Matches(str, re);

Console.WriteLine("Matched: ");
foreach (Match i in m)
    Console.Write(i + " ");

注意字符串中的标点符号。

输出：

Matched: 
this an of words in an input like-so from foo bar

【讨论】：

我试过这个，它似乎工作得很好。但是，它会过滤掉以标点符号结尾的单词。是否可以修改为不检查最后一个字符？ @Aabela，是的，你可以。更新并添加了一个示例。 PS: (?!\S) 只是(?=\s|$) 的一种更短的写法。【参考方案2】：

这个怎么样？

编辑：意思是(?<=^|\s+)(?<word>[a-z\-]+)(?=(?:\.|,|!|\.\.\.)?(?:$|\s+))

规则：

单词前只能有行首或一定数量的空白字符单词后面只能跟行尾或一定数量的空白字符（Edit 支持以句点、逗号、感叹号和省略号结尾的单词） Word 只能包含小写（拉丁）字母和破折号

包含每个单词的命名组是“word”

【讨论】：

使用这个和解释我能够扩展它以允许单词后面也可以跟标点符号。谢谢。没问题。我刚刚意识到标点符号的问题并想出了(?<=^|\s+)(?[a-z-]+)(?=$|\s+|\.|,|!|\.\.\.)。那是你扩展它的样子吗？ @MarkM：该模式无法编译。你不是错过了什么吗？我的意思是你提到的(?<=^|\s+)(?[a-z-]+)(?=$|\s+)或(?<=^|\s+)(?[a-z-]+)(?=$|\s+|\.|,|!|\.\.\.)中的named group在哪里？啊，是的，你是对的 - 复制错误。我的意思是(?<=^|\s+)(?<word>[a-z\-]+)(?=$|\s+|\.|,|!|\.\.\.)。感谢您指出这一点。正则表达式 regex2 = 新正则表达式 ("(? 【参考方案3】：

看看微软的How to: Search Strings Using Regular Expressions (C# Programming Guide) - 它是关于 C# 中的正则表达式的。

【讨论】：

我看了看，但我得到的印象是我仍然需要一次循环一个单词。这是我试图避免的。【参考方案4】：

List<string> strings = new List<string>() "asdf", "sdf-sd", "sdfsdf";

for (int i = strings.Count-1; i > 0; i--)

   if (strings[i].Contains("-"))
   
       strings.Remove(strings[i]);

【讨论】：

【参考方案5】：

这可能是一个起点。现在它只检查“。”作为一个特殊的字符。这输出：“this an of words in an like-so from”

        string pattern = @"[A-Z]\w+|\w*[0-9]+\w*|\w*[\.]+\w*";
        string line = "this Is an Example of 5 words in an in3put like-so from example.com";

        System.Text.RegularExpressions.Regex r = new System.Text.RegularExpressions.Regex(pattern);
        line = r.Replace(line,"");

【讨论】：

【参考方案6】：

您可以通过两种方式做到这一点，白名单方式和黑名单方式。使用白名单，您可以定义您认为可以接受的字符集，而使用黑名单则相反。

让我们假设白名单方式并且您只接受字符a-z、A-Z 和- 字符。此外，您还有规则，单词的第一个字符不能是大写字符。

有了这个，你可以做这样的事情：

string target = "This is a white-list example: (Foo, bar1)";

var matches = Regex.Matches(target, @"(?:\b)(?<Word>[a-z]1[a-zA-Z\-]*)(?:\b)");

string[] words = matches.Cast<Match>().Select(m => m.Value).ToArray();

Console.WriteLine(string.Join(", ", words));

输出：