找到句子的简单方法是一个大字符串？

Question

我需要做的是解析文本的一个巨大的字符串转换成句子。句子是通过寻找终结者来隔离的。终结者包括'。'和'？'和'：'和省略号（“...”）。

是有办法，我可以说

if (char is terminator) 
{ 
    // do this 
} 

干净利索，而不是

if (char == '.' || char == '?' || char == etc etc etc etc) 

我没有想到这样做具有终止的数组，并做

if (ArrayofTerminators.Contains<char>('thechar')) 
{ 
    // do that 
} 

的

但这似乎太傻了？

*编辑感谢。很难有很多好的答复选择。无论如何，我决定使用UnhandledException的答案，因为它非常紧凑，高雅，正是我在寻找的东西。

Answer 1

char[] delimiters = new char[] { '.', '?' }; 
string[] sentences= text.Split(delimiters, StringSplitOptions.RemoveEmptyEntries); 

Answer 2

如果切片成分离的字符串为你的作品 - String.Split支持分隔符（http://msdn.microsoft.com/en-us/library/b873y76a.aspx）

VAR sentenses = “A BCD富？！” 斯普利特（新的char [] { '的阵列。”'？ '，'！'}）;

如果省略号被拆分将无法正常工作单独点表示。

如果您需要检查分离器和只需要找到sentense边界 - 分隔符，而不是阵列的考虑使用HashSet（http://msdn.microsoft.com/en-us/library/bb359438.aspx），如果你有“在分离器的阵列”检查的字符。

Answer 3

假设你只担心一个8位（或更少）字符集，你可以很容易地只是做布尔数组。将终止符设置为true，其他所有内容都为false。那么对于终止测试变为：

if (terminators[char]) 
{ 
    // do this 
} 

您可以更大的字符集的功能是相同的，但对于大字符（比如，超过16位），它开始使用很多更多的内存。

Answer 4

String.Split非常好，如果你只是需要拆分字符。如果你需要更深入一点的东西，请考虑regex.Split（），使用这里的正则表达式http://social.msdn.microsoft.com/Forums/en-US/regexp/thread/b20b6bf7-fa5e-4c55-8e9d-e69762f178b0/

这样你就可以捕捉到一些像下面这样的角落案例：I can't wait until Jan. is here. 1月不是结束句子。

Answer 5

所有劈叉缺少puncuations。他们不工作。

一个选项来获得句子它遍历字符。

此代码说明了为什么迭代作品和拆分并不：

 string text = "sentence one. sentence two? sentence three..."; 
     List<string> sentences = new List<string>(); 

     StringBuilder sb = new StringBuilder(); 
     bool termHit = false; 

     foreach (char c in text) 
     { 
      sb.Append(c); 

      if (c == '.' || c == '?') 
      { 
       termHit = true;  
      } 
      else 
      { 
       if (termHit) 
       { 
        termHit = false; 
        sentences.Add(sb.ToString()); 
        sb = new StringBuilder(); 
       } 
      } 
     } 

     if (sb.Length > 0) 
     { 
      sentences.Add(sb.ToString()); 
     } 

     Console.WriteLine("Parse:"); 
     foreach (string sentence in sentences) 
     { 
      Console.WriteLine(sentence);  
     } 

     string[] splits = text.Split(new char[] {'.', '?'}); 

     Console.WriteLine("Split:"); 
     foreach (string sentence in splits) 
     { 
      Console.WriteLine(sentence);  
     } 

它输出：

解析：

句子之一。

句二？

句子3 ...

斯普利特：

句子一个

句中两个

句子3

而且，在洛曼下的评论中指出你的题。解析句子的问题比所有这些解决方案复杂得多。例如，标点包含点。