.NET：返回给定要匹配的整个单词列表的字符串列表

Posted 2023-04-13

【中文标题】.NET：返回给定要匹配的整个单词列表的字符串列表

【英文标题】：.NET: Return a list of strings given a list of whole words to match

【发布时间】：2019-08-10 14:02:17

【问题描述】：

我需要通过一组完整的单词将字符串拆分为子字符串。

输入： word wo wordword

输出（由word分割）：

str1：word

str2：[space]wo wordword

输出（由wo分割）：

str1：word[space]

str2：wo

str3:[space]wordword

所需方法的方法签名应如下所示：

public List<string> GetPhrases(string text, List<string> splitters);

注意事项：

仅匹配整个单词

应保留空格

拆分列表仅包含不同的单词

分隔符不包含空格

匹配项不区分大小写

使用此方法，我将能够在 UI 窗口中突出显示整个单词匹配项，并能够匹配具有不同突出显示的多个单词，但我无法使用正则表达式。

目前，我有一个非正则表达式的解决方案，但不是很好：

var words = Regex.Split(text, @"\s+").Where(s => s != string.Empty).ToList();
var str = "";
var list = new List<string>();

foreach (var word in words)

    if (!splitters.Contains(word))
    
        if(words.IndexOf(word) != words.Count - 1)
            str += word + " ";
        else
            str += word;
    
    else
    
        if(!string.IsNullOrWhitespace(str))
           list.Add(str);

        list.Add(word);
        str = "";
    


if(!string.IsNullOrWhitespace(str))
   list.Add(str);

问题是我没有像换行符那样维护任何空格，而是用空格替换它们。

【问题讨论】：

这是意向声明，不是问题。还要指定是否要区分大小写。以及您使用可测试示例尝试过的任何代码

*** 不是编码服务，需求列表不是问题。你到底在哪里卡住了，你实际的编程相关问题是什么？声誉 > 1000 分，我希望您知道这一点...

@MichaelRandall 如果这听起来像一个意图，我很抱歉。我确实尝试了很多东西，但我不想发布复杂的代码来迷惑人们。我不在乎区分大小写。

恰恰相反，它帮助我们复制代码、测试和调整。尤其是输入列表和预期结果

@MichaelRandall 我已经在问题的开头提供了一个示例输入和输出列表。我会补充更多。它基本上是根据不区分大小写的精确整个单词匹配来拆分文本。

【参考方案1】：

如果您的分隔词只是字母数字或下划线字符的条纹，您可以使用

var results = Regex.Split(s, $@"\b(string.Join("|", splitters))\b")
                   .Where(s => !string.IsNullOrEmpty(s))

这里，\b(word1|word2)\b 模式会将拆分词作为整个词进行匹配，Regex.Split 会将字符串拆分为匹配和不匹配的块，因为模式中拆分词周围的捕获组 ((...)) .

.Where(s => !string.IsNullOrEmpty(s)) 将过滤掉通常出现在连续匹配或字符串开头/结尾处的空字符串。

见regex demo：

【讨论】：

谢谢。在您的示例中，如果我们使用 .Where(s => !string.IsNullOrWhiteSpace(s)) 而不是 null 或空，会有什么不同吗？拆分词当前的编写方式是，对于每个字符 IsLetterOrDigit(Char) 必须返回 true，但第一个字符除外，因为它是 @ 或 #。

@user246392 如果您需要非描述性拆分，请使用IsNullOrEmpty，如果您只想丢失空格，请使用IsNullOrWhiteSpace。其余的我不清楚。如果您在第一个 \b 之后使用 (?<![@#])lookbehind，则可以避免提及和主题标签。