如何检查字符串是否包含长度超过50个字符的单词？

Question

如何检查字符串是否包含长度超过50个字符的单词？

Answer 1

例如。 使用LINQ：

string toCheck = "your string here";
bool isLong = toCheck
    .Split(new [] { ' ' }, StringSplitOptions.RemoveEmptyEntries)
    .Any(s => s.Length > 50);

---

编辑

出于好奇，人们怀疑Regex会快得多（我也是如此），所以我进行了一些简单的测试。 必须承认我对结果感到惊讶：

LINQ（或者确切地说是string.Split和LINQ）的性能似乎比已编译的Regex快3-20倍，比未编译的Regex快6-30。

我已经在Release模式下运行了每个解决方案的1'000'000迭代，检查了4个示例字符串：

• 一个不超过50个字符的单词
• 在字符串末尾有一个正好包含一个50个字符以上的长字的单词
• 一个正好与一个50个字符+长字，在字符串的开头
• 一个带有多个50个字符以上的长字，分布在字符串中

结果可以在这里看到（LINQ与编译的正则表达式）：

LINQ [noLongWords]，1000000次迭代。 结果= False：867毫秒

LINQ [oneLongWordAtEnd]，1000000次迭代。 结果=正确：986毫秒

LINQ [oneLongWordAtBegining]，1000000次迭代。 结果=真：827毫秒

LINQ [manyLongWordsEverywhere]，1000000次迭代。 结果=真：2399毫秒

正则表达式[noLongWords]，1000000次迭代。 结果= False：16714毫秒

正则表达式[oneLongWordAtEnd]，1000000次迭代。 结果=真：14225毫秒

正则表达式[oneLongWordAtBegining]，1000000次迭代。 结果=正确：6483毫秒

正则表达式[manyLongWordsEverywhere]，1000000次迭代。 结果=真：6675毫秒

测试的源代码在此处 。

当然，在常规条件下（谁理智地运行1'000'000次迭代？），差异是无关紧要的，应该寻求更简单/更可维护的解决方案。

Answer 2

正则表达式必须回答：

Regex re = new Regex(@"(\w){50,}");
re.IsMatch(input);

PS：虽然我倾向于远离Regex，但在这种情况下，我觉得Regex更简单，更快捷。

@jimmy_keen实验后编辑

@jimmy_keen-谢谢。

我删除了该组，因为它不是真正需要的，并且Regex花费的时间要少得多，以下是已编译的输出：

正则表达式已更改：

Regex regex = new Regex(@"\w{50,}", RegexOptions.Compiled);

输出：

LINQ [noLongWords]，1000000次迭代。 结果= False：725毫秒

LINQ [oneLongWordAtEnd]，1000000次迭代。 结果=真：760毫秒

LINQ [oneLongWordAtBegining]，1000000次迭代。 结果=真：651毫秒

LINQ [manyLongWordsEverywhere]，1000000次迭代。 结果=真：2107毫秒

正则表达式[noLongWords]，1000000次迭代。 结果= False：2773毫秒

正则表达式[oneLongWordAtEnd]，1000000次迭代。 结果=真：7217毫秒

正则表达式[oneLongWordAtBegining]，1000000次迭代。 结果=真：3279毫秒

正则表达式[manyLongWordsEverywhere]，1000000次迭代。 结果=真：3283毫秒

完成

在这种情况下，正则表达式比LINQ慢的原因令人惊讶，但也许并非如此，因为我已经被正则表达式烧死了很多次。 它们是一个很棒的工具，但是非常沉重。 在这种情况下，我以为正则表达式可以比LINQ稍早一些，但事实并非如此。

在很多情况下，稍微复杂一点但类似的正则表达式要优于LINQ：

Regex regex = new Regex(@"[A-Za-z0-9]{50,}", RegexOptions.Compiled);

LINQ [noLongWords]，1000000次迭代。 结果= False：611毫秒

LINQ [oneLongWordAtEnd]，1000000次迭代。 结果=正确：642毫秒

LINQ [oneLongWordAtBegining]，1000000次迭代。 结果=真：549毫秒

LINQ [manyLongWordsEverywhere]，1000000次迭代。 结果=真：1914毫秒

正则表达式[noLongWords]，1000000次迭代。 结果= False：2085毫秒

正则表达式[oneLongWordAtEnd]，1000000次迭代。 结果=真：4147毫秒

正则表达式[oneLongWordAtBegining]，1000000次迭代。 结果=真：1569毫秒

正则表达式[manyLongWordsEverywhere]，1000000次迭代。 结果=正确：1580毫秒

完成

但是我仍然相信regex的简单性，并且在100,000次或更多次迭代后才开始看到性能差异，regex仍然是此处的最佳解决方案

Answer 3

取决于您要查找的标点符号，但基本上是：

string input = "fox jumped over the fence.";
bool hasLongWord = input.Split(new[] { ' ', ';', '.' }, 
                               StringSplitOptions.RemoveEmptyEntries)
                        .Any(word => word.Length > 50);

Answer 4

Errr ...我认为您找不到比以下任何东西更快的东西：

private static Regex rxLongWord = new Regex( @"\w{50,}" ) ;
public HasLongWord( string s )
{
  bool foundLongWord = rxLongWord.IsMatch( s ) ;
  return foundLongWord ;
}