如何在文本字符串中提取短语然后提取单词？

Question

我有一个搜索方法，该方法接受用户输入的字符串，在每个空格字符处将其分割，然后根据分隔的术语列表查找匹配项：

string[] terms = searchTerms.ToLower().Trim().Split( ' ' );

现在，我又有了进一步的要求：能够通过双引号分隔符la Google搜索短语。 因此，如果提供的搜索词是：

“一行”文字

搜索将匹配出现的“一行”和“文本”，而不是四个单独的术语（在搜索之前，也需要删除左引号和右引号）。

如何在C＃中实现呢？ 我认为正则表达式是解决问题的一种方法，但是并没有花太多时间研究它们，因此不知道它们是否是最佳解决方案。

如果您需要更多信息，请询问。 先谢谢您的帮助。

Answer 1

这是一个正则表达式模式，它将返回名为“ term ”的组中的匹配term ：

("(?<term>[^"]+)"\s*|(?<term>[^ ]+)\s*)+

因此对于输入：

"a line" of text

“ term ”组标识的输出项目为：

a line
of
text

Answer 2

正则表达式绝对是必经之路...

您应该检查此MSDN链接以获取有关Regex类的一些信息： http : //msdn.microsoft.com/zh-cn/library/system.text.regularexpressions.regex.aspx

这是学习一些正则表达式语法的绝佳链接： http : //www.radsoftware.com.au/articles/regexlearnsyntax.aspx

然后添加一些代码示例，您可以按照以下方式进行操作：

string searchString = "a line of";

Match m = Regex.Match(textToSearch, searchString);

或者如果您只想查找字符串是否包含匹配项：

bool success = Regex.Match(textToSearch, searchString).Success;

Answer 3

在这里使用正则表达式生成器

http://gskinner.com/RegExr/

并且您将能够操纵正则表达式以使其显示所需的方式

Answer 4

使用正则表达式...

string textToSearchIn =“”一行“ text”;
字符串结果= Regex.Match（textToSearchIn，“（？<=”）。*？（？=“）”）。Value;

或者如果多于一个，将其放入比赛集合中...

MatchCollection allPhrases = Regex.Matches（textToSearchIn，“（？<=”）。*？（？=“）”）;

Answer 5

Knuth-Morris-Pratt （KMP算法）被认为是查找字符串（技术上不是字符串而是字节数组）中子字符串的最快算法。

using System.Collections.Generic;

namespace KMPSearch
{
    public class KMPSearch
    {
        public static int NORESULT = -1;

        private string _needle;
        private string _haystack;
        private int[] _jumpTable;

        public KMPSearch(string haystack, string needle)
        {
            Haystack = haystack;
            Needle = needle;
        }

        public void ComputeJumpTable()
        {
            //Fix if we are looking for just one character...
            if (Needle.Length == 1)
            {
                JumpTable = new int[1] { -1 };
            }
            else
            {
                int needleLength = Needle.Length;
                int i = 2;
                int k = 0;

                JumpTable = new int[needleLength];
                JumpTable[0] = -1;
                JumpTable[1] = 0;

                while (i <= needleLength)
                {
                    if (i == needleLength)
                    {
                        JumpTable[needleLength - 1] = k;
                    }
                    else if (Needle[k] == Needle[i])
                    {
                        k++;
                        JumpTable[i] = k;
                    }
                    else if (k > 0)
                    {
                        JumpTable[i - 1] = k;
                        k = 0;
                    }

                    i++;
                }
            }
        }

        public int[] MatchAll()
        {
            List<int> matches = new List<int>();
            int offset = 0;
            int needleLength = Needle.Length;
            int m = Match(offset);

            while (m != NORESULT)
            {
                matches.Add(m);
                offset = m + needleLength;
                m = Match(offset);
            }

            return matches.ToArray();
        }

        public int Match()
        {
            return Match(0);
        }

        public int Match(int offset)
        {
            ComputeJumpTable();

            int haystackLength = Haystack.Length;
            int needleLength = Needle.Length;

            if ((offset >= haystackLength) || (needleLength > ( haystackLength - offset))) 
                return NORESULT;

            int haystackIndex = offset;
            int needleIndex = 0;

            while (haystackIndex < haystackLength)
            {
                if (needleIndex >= needleLength)
                    return haystackIndex;

                if (haystackIndex + needleIndex >= haystackLength)
                    return NORESULT;

                if (Haystack[haystackIndex + needleIndex] == Needle[needleIndex])
                {
                    needleIndex++;
                } 
                    else
                {
                    //Naive solution
                    haystackIndex += needleIndex;

                    //Go back
                    if (needleIndex > 1)
                    {
                        //Index of the last matching character is needleIndex - 1!
                        haystackIndex -= JumpTable[needleIndex - 1];
                        needleIndex = JumpTable[needleIndex - 1];
                    }
                    else
                        haystackIndex -= JumpTable[needleIndex];


                }
            }

            return NORESULT;
        }

        public string Needle
        {
            get { return _needle; }
            set { _needle = value; }
        }

        public string Haystack
        {
            get { return _haystack; }
            set { _haystack = value; }
        }

        public int[] JumpTable
        {
            get { return _jumpTable; }
            set { _jumpTable = value; }
        }
    }
}

用法：-

using System;
using System.Collections.Generic;
using System.Text;
using System.Reflection;
namespace KMPSearch
{
    class Program
    {
        static void Main(string[] args)
        {
            if (args.Length != 2)
            {
                Console.WriteLine("Usage: " + Environment.GetCommandLineArgs()[0] + " haystack needle");
            }
            else
            {
                KMPSearch search = new KMPSearch(args[0], args[1]);
                int[] matches = search.MatchAll();
                foreach (int i in matches)
                    Console.WriteLine("Match found at position " + i+1);
            }
        }

    }
}

Answer 6

试试这个，它将返回一个文本数组。 例如：{“一行”文字“记事本”}：

string textToSearch = "\"a line of\" text \" notepad\"";

MatchCollection allPhrases = Regex.Matches(textToSearch, "(?<=\").*?(?=\")");

var RegArray = allPhrases.Cast<Match>().ToArray();

输出：{“一行”，“文本”，“记事本”}