正則表達式vs字符串包含

Question

你好。 我無法編寫一種方法來測試純文本或html文檔中的單詞。 我對regex相當了解，並且對c＃較新（從更多的java來）。

只是因為

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);

對於應該找到“ c ++”的情況，有時foundAsRegex為true，有時為false。 我的google-fu很弱，所以我對“到底是什么”的了解不多。 任何想法或指針歡迎！

編輯：

我正在尋找簡歷技能方面的比賽。 例如，不同的值“ c ++”。

編輯：

真實的摘錄如下：

“ ...管理-c，c ++，perl，shell編程...”

Answer 1

問題是\\b在單詞字符和非單詞字符之間匹配。 給定表達式\\bc\\+\\+\\b ，您有問題。 “ +”是非單詞字符。 因此，在“ xxx c ++，xxx”中搜索模式，您將不會找到任何東西。 “ +”字符后沒有“分詞”。

如果您要查找非單詞字符，則必須更改邏輯。 不知道最好的東西是什么。 我想您可以使用\\W ，但是它不會在行的開頭或結尾匹配，因此您需要(^|\\W)和(\\W|$) ...這很丑。 並且緩慢，盡管根據您的需求也許仍然足夠快。

Answer 2

您的正則表達式將變為：

/\bc\+\+\b/

這意味着您要查找一個單詞邊界，然后是字符串c++ ，然后是另一個單詞邊界。 這意味着它將與abc++類的字符串不匹配，而plaintext.Contains將成功。

如果您可以舉例說明您的正則表達式在您期望成功的地方失敗，那么我們可以為您提供更明確的答案。

編輯：我原來的正則表達式是/\\bc++\\b/ ，這是不正確的，因為將c++傳遞給Regex.Escape() ，它轉義了正則表達式元字符，例如+ 。 我已經在上面修復了。