从单词列表中的字符串替换多个单词

string[] BAD_WORDS = { "xxx", "o2o" } // My list is actually a lot bigger about 100 words

和我有一些文本（通常较短，最多250个字），我需要删除所有其中BAD_WORDS。

我已经试过这样：

foreach (var word in BAD_WORDS) 
    { 
     string w = string.Format(" {0} ", word); 
     if (input.Contains(w)) 
     { 
      while (input.Contains(w)) 
      { 
       input = input.Replace(w, " "); 
      } 
     } 
    }

但是，如果文本开头或以一个坏词结尾，也不会被删除。我做了空格，所以它不会匹配部分单词，例如“oxxx”不应该被删除，因为它不是一个精确匹配的不良词。

任何人都可以给我这方面的建议吗？

来源

2012-09-01 Dementic

看起来像正则表达式的工作。 – Oded

你为什么包含这行'string w = string.Format（“{0}”，word）;'？ –

你的任务是什么，你的代码看起来不错？只要删除如果并做一个startswith和结束。 – Peter

string cleaned = Regex.Replace(input, "\\b" + string.Join("\\b|\\b",BAD_WORDS) + "\\b", "")

来源

2012-09-01 09:55:02 shannon

稍等片刻，我错过了一些......工作......在那里，修好了。 :) – shannon

嘿... :)谢谢Dementic。像我说的那样做，而不是像我一样。我只是想说，所有的嵌套和LINQing和循环都有一个简单的老式/可靠方法。 – shannon

+1用于在开始或其他边界条件下捕捉单词。作为奖励，如果替换需要多次完成，则可以缓存重复使用的正则表达式。尽管'BAD_WORDS'包含了对regex语法有意义的东西，我会使用'Regex.Escape'。 –

你可以使用StartWith和的endsWith方法，如：

while (input.Contains(w) || input.StartsWith(w) || input.EndsWith(w) || input.IndexOf(w) > 0) 
{ 
    input = input.Replace(w, " "); 
}

希望这将解决您的问题。

来源

2012-09-01 09:51:56

你的意思是不是和？通过测试，它必须同时开始，结束并包含该单词。 – Tudor

使用||而不是&& –

谢谢@Tudor，我已经更新了我的答案。 –

将虚假空间的前后字符串变为input。这样它会检测到第一个和最后一个单词。

input = " " + input + " "; 

foreach (var word in BAD_WORDS) 
    { 
     string w = string.Format(" {0} ", word); 
     if (input.Contains(w)) 
     { 
      while (input.Contains(w)) 
      { 
       input = input.Replace(w, " "); 
      } 
     } 
    }

然后修剪字符串：

input = input.Trim();

来源

2012-09-01 09:52:04

这是一个好主意，这将修复我的代码，但是还没有更好的解决方案吗？代码似乎有点奇怪，我写了它，因为我没有其他的想法。 – Dementic

您可以从文本字存储到一个列表。然后只是检查所有的单词，如果他们在坏名单，如下所示：

List<string> myWords = input.Split(' ').ToList(); 
List<string> badWords = GetBadWords(); 

myWords.RemoveAll(word => badWords.Contains(word)); 
string Result = string.Join(" ", myWords);

来源

2012-09-01 09:55:36

这是一个伟大的任务Linq，也是拆分方法。试试这个：

return string.Join(" ", 
        input.Split(' ').Select(w => BAD_WORDS.Contains(w) ? "" : w));

来源

2012-09-01 09:55:54

太棒了，我爱linq！ – Dementic

只要空间足够。如果后面跟着标点符号，如果后面跟着标点符号，这不会在开头或结尾处收到单词。如果需要处理这种情况，基于正则表达式的答案将会做得更好。 –

只是想指出的是您shoulde有做只是whiole你里面像这样：

foreach (var word in BAD_WORDS) 
{ 
    while (input.Contains(String.Format(" {0} ", word);)) 
    { 
     input = input.Replace(w, " "); 
    } 
}

没有必要的，如果和“W”变量，在任何情况下我很害怕使用Antonio Bakula的回答，首先想到的就是这个。

来源

2012-09-01 10:10:38

您正在尝试替换已从代码中移除的'w'。没有'w'的，它也会替换部分单词匹配。 – Dementic

根据以下后以最快的方式是使用正则表达式和MatchEvaluator： Replacing multiple characters in a string, the fastest way?

 Regex reg = new Regex(@"(o2o|xxx)"); 
     MatchEvaluator eval = match => 
     { 
      switch (match.Value) 
      { 
       case "o2o": return " "; 
       case "xxx": return " "; 
       default: throw new Exception("Unexpected match!"); 
      } 
     }; 
     input = reg.Replace(input, eval);

来源

2015-07-20 08:25:22 Yanga

从单词列表中的字符串替换多个单词

回答

相关问题