正则表达式vs字符串包含

Question

你好。 我无法编写一种方法来测试纯文本或html文档中的单词。 我对regex相当了解，并且对c＃较新（从更多的java来）。

只是因为

string html = source.ToLower();
string plaintext = Regex.Replace(html, @"<(.|\n)*?>", " "); // remove tags
plaintext = Regex.Replace(plaintext, @"\s+", " "); // remove excess white space

接着，

string tag = "c++";
bool foundAsRegex = Regex.IsMatch(plaintext,@"\b" + Regex.Escape(tag) + @"\b");
bool foundAsContains = plaintext.Contains(tag);

对于应该找到“ c ++”的情况，有时foundAsRegex为true，有时为false。 我的google-fu很弱，所以我对“到底是什么”的了解不多。 任何想法或指针欢迎！

编辑：

我正在寻找简历技能方面的比赛。 例如，不同的值“ c ++”。

编辑：

真实的摘录如下：

“ ...管理-c，c ++，perl，shell编程...”

Answer 1

问题是\\b在单词字符和非单词字符之间匹配。 给定表达式\\bc\\+\\+\\b ，您有问题。 “ +”是非单词字符。 因此，在“ xxx c ++，xxx”中搜索模式，您将不会找到任何东西。 “ +”字符后没有“分词”。

如果您要查找非单词字符，则必须更改逻辑。 不知道最好的东西是什么。 我想您可以使用\\W ，但是它不会在行的开头或结尾匹配，因此您需要(^|\\W)和(\\W|$) ...这很丑。 并且缓慢，尽管根据您的需求也许仍然足够快。

Answer 2

您的正则表达式将变为：

/\bc\+\+\b/

这意味着您要查找一个单词边界，然后是字符串c++ ，然后是另一个单词边界。 这意味着它将与abc++类的字符串不匹配，而plaintext.Contains将成功。

如果您可以举例说明您的正则表达式在您期望成功的地方失败，那么我们可以为您提供更明确的答案。

编辑：我原来的正则表达式是/\\bc++\\b/ ，这是不正确的，因为将c++传递给Regex.Escape() ，它转义了正则表达式元字符，例如+ 。 我已经在上面修复了。