在长字符串中搜索大量单词

-2

假设我有关键词的列表，大约30-40，并且我想在很长的文本中找到所有/任何这些单词，让我们谈谈几个数千字。唯一的想法 - 使用多个正则表达式并将匹配添加到List<string>。有没有更好的解决方案？在长字符串中搜索大量单词

P.S.这些关键词可能在整个文本中被昏迷分离以及逐个分离。
P.P.S.举个例子，这是维基百科的文字。

我需要找到单词：“莎士比亚”，“英语”，“语言”。

威廉·莎士比亚（/ʃeɪkspɪər/ [1] 1564年4月26日（受洗） - 1616年4月23）[注1]是一位英国诗人，剧作家和演员，被广泛认为是最伟大的作家英语和世界顶尖的剧作家。[2]他经常被称为英国的民族诗人和“雅芳的吟游诗人”[3] [nb 2]。他现存的作品，包括一些合作作品，包括约38部戏剧，[154]十四行诗，两首长叙事诗和一首其他几节经文，其中一些诗歌的作者是不确定的。他的剧本已被翻译成每一种主要的生活语言，并且比其他任何剧作家的表演更频繁。[4] 莎士比亚出生在埃文河畔斯特拉特福。 18岁时，他娶了安妮海瑟薇，他与三个孩子：苏珊娜和双胞胎哈姆奈特和朱迪思。 1585年至1592年间，他在伦敦开始了一段成功的职业生涯，作为演员，作家和一个名为张伯伦勋爵的男演员，后来被称为国王的男人。他似乎在49岁时在1613年左右退休到斯特拉福，三年后他去世。很少有关莎士比亚私人生活的记录能够存活下来，并且对于他的外表，性，宗教信仰以及归因于他的作品是否是其他人写的这些问题，都有相当多的猜测[5]。莎士比亚在1589年至1613年间创作了大部分他的着作。[6] [nb 4]他的早期剧本主要是喜剧和历史，这些作品仍然被认为是这些流派中最好的作品之一。然后他主要写了悲剧，直到1608年左右，其中包括哈姆雷特，李尔王，奥赛罗和麦克白，他们认为这些作品是英语的一些最好的作品。在他的最后阶段，他写了悲剧，也被称为浪漫史，并与其他剧作家合作。

来源

2014-12-19 andrey.shedko

一个例子会更好。 –

你想让你的结果看起来像什么？有索引的词在哪里被发现？或者只是一个是/否？ – Jonesopolis

我编辑了你的标题。请参阅：“[应该在其标题中包含”标签“]（http://meta.stackexchange.com/questions/19190/）”，其中的共识是“不，他们不应该”。 –

如果你想包含在一个字符串的关键词列表，像这样的工作：

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

您还可以使用Any，为布尔结果，或Count的数量，而不是的Where

这里是一个fiddle显示结果。

如果你想让它不区分大小写使用ToLower的长字符串和k

来源

2014-12-19 16:46:46 paqogomez

据我所知k是关键词数组？如何将每个匹配词添加到列表？ –

k是列表中的每个关键字。所以它会搜索你的字符串中的每个关键字。 – paqogomez

@ andrey.shedko'results'将是您文本中存在的所有关键字。 – paqogomez

你可以使用正面和负面的环视断言像下面。

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

添加(?i)修饰符以便执行不区分大小写的匹配。

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

DEMO

附：这些关键词可能在整个文本中被昏迷分离以及逐个分离。

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

来源

2014-12-19 16:50:14

谢谢。这可能也会诀窍，但我更喜欢LINQ方式。 –

您正在寻找的IndexOf

MSDN

Perls Example

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

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

使用的IndexOf会给你的起始位置，这将使您能够使用Substring方法提取字符串并根据需要操作它们。

来源

2014-12-19 16:51:24 prospector

您可以使用转义单词列表构造一个子表达式。
像

（伪代码）
string rx_list = "(" + RregEscape(MyArray.join("|")) + ")";

然后，斑点网可以做表达是/否条件句。
使用该信息，您可以将'rx_list'子表达式包装为边界仲裁表达式
。

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

实施例的正则表达式字符串结果：

# (?(?=\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 
)

来源

2014-12-19 17:08:59 sln

感谢这样的扩展答案。 –

@ andrey.shedko - 没问题。到目前为止，这是最快的方法。 – sln

在长字符串中搜索大量单词

回答

相关问题