如何在忽略特殊字符串的同時拆分字符串

Question

假設我有一個字符串，需要用{“”，“。”}分割。 給定的字符串，其中包含無法拆分的全名。

例如

fullString = "Jhon Due was drawing the quick brown fox. Alex King draw a fox"
splitSeperatorArray =  {",", " "}
ignoreSplitArray = {"Jhon Due", "Alex King"}

理想的結果是：

{“ Jhon Due”，“ was”，“ drawing”，“ the”，“ quick”，brown”，vfox”，“ Alex King”，“ draw”，“ a”，“ fox”}

在處理大數據時，將了解有關正確方法的信息。

謝謝！

Answer 1

您可以使用正則表達式來實現。 試試這個代碼：

var fullString = "Jhon Due was drawing,the quick brown fox. Alex King draw a fox";
var ignoreSplitArray = new[] {"Jhon Due", "Alex King"};

var ignore = string.Join("|", ignoreSplitArray);
var regex = new Regex($" |,|({ignore})");
var result = regex.Split(fullString).Where(s => s.Length > 0).ToArray();

Answer 2

您不能僅使用拆分來執行此操作。 例如，您可以拆分然后在結果中搜索是否有特殊字符串，然后得出最終結果。

Answer 3

我建議使用正則表達式而不是Split ; 我們可以嘗試將諸如John Due和Alex King類的名稱包含在模式中，而不是維護它們的數組（這在執行大數據處理時很困難）：

using System.Text.RegularExpressions;

string source = "John Due was drawing the quick brown fox. Alex King draws a fox";
string pattern = @"([A-Z][a-z]+(\s[A-Z][a-z]+)*)|([a-z]+)";

var result = Regex
  .Matches(source, pattern)
  .OfType<Match>()
  .Select(match => match.Value);

Console.Write(string.Join("; ", result)); 

結果：

John Due; was; drawing; the; quick; brown; fox; Alex King; draws; a; fox

編輯：如果數字 （請參閱注釋）可以出現在文本中，則必須將它們包括在pattern ，例如

string source = "John111 Due was drawing the quick 123 brown fox. Alex King draws a fox";
string pattern = @"([A-Z][a-z0-9]+(\s[A-Z][a-z0-9]+)*)|([a-z0-9]+)";
...

結果：

John111 Due; was; drawing; the; quick; 123; brown; fox; Alex King; draws; a; fox

另一種可能性

string source = 
 "John111 Due (Джон Дью) was drawing the quick 123 [۰۱۲] brown fox. Alex King draws a fox";

string pattern = @"(\p{Lu}\w+(\s\p{Lu}\w+)*)|(\w+)";

如果要提取非英語字母（例如俄語）和數字（例如波斯語）

結果：

John111 Due; Джон Дью; was; drawing; the; quick; 123; ۰۱۲; brown; fox; Alex King; draws; a; fox