在長字符串中搜索大量單詞

-2

假設我有關鍵詞的列表，大約30-40，並且我想在很長的文本中找到所有/任何這些單詞，讓我們談談幾個數千字。唯一的想法 - 使用多個正則表達式並將匹配添加到List<string>。有沒有更好的解決方案？在長字符串中搜索大量單詞

P.S.這些關鍵詞可能在整個文本中被昏迷分離以及逐個分離。
P.P.S.舉個例子，這是維基百科的文字。

我需要找到單詞：「莎士比亞」，「英語」，「語言」。

威廉·莎士比亞（/ʃeɪkspɪər/ [1] 1564年4月26日（受洗） - 1616年4月23）[注1]是一位英國詩人，劇作家和演員，被廣泛認爲是最偉大的作家英語和世界頂尖的劇作家。[2]他經常被稱爲英國的民族詩人和「雅芳的吟遊詩人」[3] [nb 2]。他現存的作品，包括一些合作作品，包括約38部戲劇，[154]十四行詩，兩首長敘事詩和一首其他幾節經文，其中一些詩歌的作者是不確定的。他的劇本已被翻譯成每一種主要的生活語言，並且比其他任何劇作家的表演更頻繁。[4] 莎士比亞出生在埃文河畔斯特拉特福。 18歲時，他娶了安妮海瑟薇，他與三個孩子：蘇珊娜和雙胞胎哈姆奈特和朱迪思。 1585年至1592年間，他在倫敦開始了一段成功的職業生涯，作爲演員，作家和一個名爲張伯倫勳爵的男演員，後來被稱爲國王的男人。他似乎在49歲時在1613年左右退休到斯特拉福，三年後他去世。很少有關莎士比亞私人生活的記錄能夠存活下來，並且對於他的外表，性，宗教信仰以及歸因於他的作品是否是其他人寫的這些問題，都有相當多的猜測[5]。莎士比亞在1589年至1613年間創作了大部分他的着作。[6] [nb 4]他的早期劇本主要是喜劇和歷史，這些作品仍然被認爲是這些流派中最好的作品之一。然後他主要寫了悲劇，直到1608年左右，其中包括哈姆雷特，李爾王，奧賽羅和麥克白，他們認爲這些作品是英語的一些最好的作品。在他的最後階段，他寫了悲劇，也被稱爲浪漫史，並與其他劇作家合作。

來源

2014-12-19 andrey.shedko

一個例子會更好。 –

你想讓你的結果看起來像什麼？有索引的詞在哪裏被發現？或者只是一個是/否？ – Jonesopolis

我編輯了你的標題。請參閱：「[應該在其標題中包含」標籤「]（http://meta.stackexchange.com/questions/19190/）」，其中的共識是「不，他們不應該」。 –

如果你想包含在一個字符串的關鍵詞列表，像這樣的工作：

var results = myKeywordList.Where(k => myBigLongString.Contains(k));

您還可以使用Any，爲布爾結果，或Count的數量，而不是的Where

這裏是一個fiddle顯示結果。

如果你想讓它不區分大小寫使用ToLower的長字符串和k

來源

2014-12-19 16:46:46 paqogomez

據我所知k是關鍵詞數組？如何將每個匹配詞添加到列表？ –

k是列表中的每個關鍵字。所以它會搜索你的字符串中的每個關鍵字。 – paqogomez

@ andrey.shedko'results'將是您文本中存在的所有關鍵字。 – paqogomez

你可以使用正面和負面的環視斷言像下面。

@"(?<!\S)(?:Shakespeare|English|Language)(?!\S)"

添加(?i)修飾符以便執行不區分大小寫的匹配。

@"(?i)(?<!\S)(?:Shakespeare|English|Language)(?!\S)"

DEMO

附：這些關鍵詞可能在整個文本中被昏迷分離以及逐個分離。

@"(?i)(?<=^|[,\s])(?:Shakespeare|English|Language)(?=[,\s]|$)"

來源

2014-12-19 16:50:14

謝謝。這可能也會訣竅，但我更喜歡LINQ方式。 –

您正在尋找的IndexOf

MSDN

Perls Example

int pos = mytext.IndexOf("Shakespear"); 

if(pos >= 0){ /*Shakespear found*/ } else {/*Shakespear not found*/}

使用的IndexOf會給你的起始位置，這將使您能夠使用Substring方法提取字符串並根據需要操作它們。

來源

2014-12-19 16:51:24 prospector

您可以使用轉義單詞列表構造一個子表達式。
像

（僞代碼）
string rx_list = "(" + RregEscape(MyArray.join("|")) + ")";

然後，斑點網可以做表達是/否條件句。
使用該信息，您可以將'rx_list'子表達式包裝爲邊界仲裁表達式
。

string regex_final = @"(?(?=\w)\b|\B)" + rx_list + @"(?(?<=\w)\b|\B)";

實施例的正則表達式字符串結果：

# (?(?=\w)\b|\B)(Shakespeare|English|Language)(?(?<=\w)\b|\B) 

(?(?= \w)   # Conditional, is next letter a word 
     \b     # yes, word boundry 
    | \B     # no, not word boundry 
) 
(     # (1 start) 
     Shakespeare 
    | English 
    | Language 
)     # (1 end) 
(?(?<= \w)   # Conditional, was prev letter a word 
     \b     # yes, word boundry 
    | \B     # no, not word boundry 
)

來源

2014-12-19 17:08:59 sln

感謝這樣的擴展答案。 –

@ andrey.shedko - 沒問題。到目前爲止，這是最快的方法。 – sln

在長字符串中搜索大量單詞

回答

相關問題