如何获得在c＃中的字符串的所有单词？

Question

我在单个字符串中有一个段落，我想获得该段落中的所有单词。

我的问题是，我不希望以（'，'，''，'''，''，';'，'：'，'！等标点符号结尾的后缀单词。 '，‘？’）和/ N/T等

我也不想用的话年代和“M如world's它应该只返回世界。

在这个例子中 he said. "My dog's bone, toy, are missing!"

该清单应该是：he said my dog bone toy are missing

Answer 1

扩展在Shan's answer，我会考虑这样的事情作为一个起点：

MatchCollection matches = Regex.Match(input, @"\b[\w']*\b"); 

为什么包括'人物？因为这会阻止像“我们”这样的词被分成两个两个单词。捕获后，你可以自己手动去除后缀（否则，你不能识别re是不是一个字，并忽略它）。

所以：

static string[] GetWords(string input) 
{ 
    MatchCollection matches = Regex.Matches(input, @"\b[\w']*\b"); 

    var words = from m in matches.Cast<Match>() 
       where !string.IsNullOrEmpty(m.Value) 
       select TrimSuffix(m.Value); 

    return words.ToArray(); 
} 

static string TrimSuffix(string word) 
{ 
    int apostropheLocation = word.IndexOf('\''); 
    if (apostropheLocation != -1) 
    { 
     word = word.Substring(0, apostropheLocation); 
    } 

    return word; 
} 

示例输入：

he said. "My dog's bone, toy, are missing!" What're you doing tonight, by the way?

输出示例：

这种方法的

[he, said, My, dog, bone, toy, are, missing, What, you, doing, tonight, by, the, way]

一个限制是，它不会处理缩写井;例如“Y.M.C.A.”将被视为四个字。我认为这也可以通过将.作为一个字符匹配在一个单词中处理，然后剥离出来，如果它之后是一个句号（即，通过检查它是只有句号以及最后一个字符）。

Answer 2

请参阅Regex word boundary expressions，What is the most efficient way to count all of the words in a richtextbox?。故事的道德是有很多方法可以解决问题，但正则表达式可能是简单化的方法。

Answer 3

在空白处分割，修剪任何不是生成字符串中的字母的东西。

Answer 4

希望这是对你有帮助：

 string[] separators = new string[] {",", ".", "!", "\'", " ", "\'s"}; 
     string text = "My dog's bone, toy, are missing!"; 

     foreach (string word in text.Split(separators, StringSplitOptions.RemoveEmptyEntries)) 
      Console.WriteLine(word); 

Answer 5

这里有一个循环替换方法......不是很快，但解决这个问题的方式......

string result = "string to cut ' stuff. ! out of";

".',!@".ToCharArray().ToList().ForEach(a => result = result.Replace(a.ToString(),""));

这是假定你想将它放回原来的字符串，而不是新的字符串或列表。