将句子拆分为单词，但在C中出现问题时出现问题＃

我已经看到了一些类似的问题，但我试图做到这一点。将句子拆分为单词，但在C中出现问题时出现问题＃

给定一个字符串，str =“月亮是我们的天然卫星，即它绕着地球旋转！” 我想提取单词并将它们存储在一个数组中。预期的数组元素就是这个。

the 
moon 
is 
our 
natural 
satellite 
i.e. 
it 
rotates 
around 
the 
earth

我尝试使用String.split（”， '\ t'， '\ r'），但这不能正常工作。我也尝试删除。和其他标点符号，但我想要一个字符串，如“ie”也要解析出来。达到此目的的最佳方法是什么？我也尝试使用regex.split无济于事。

string[] words = Regex.Split(line, @"\W+");

肯定会欣赏一些在正确方向上的微调。

来源

2011-09-05 Richard N

除非您添加已知以'.'结尾的单词列表，否则''''和'标点符号'中的第二个'.''是无法区分的。 – CodesInChaos

+12

我注意到月亮*围绕自己的轴旋转*。它围绕地球旋转。 –

一个正则表达式的解决方案。

(\b[^\s]+\b)

如果你真的想修复，去年.上i.e.您可以使用此。

((\b[^\s]+\b)((?<=\.\w).)?)

这是我正在使用的代码。

var input = "The moon is our natural satellite, i.e. it rotates around the Earth!"; 
    var matches = Regex.Matches(input, @"((\b[^\s]+\b)((?<=\.\w).)?)"); 

    foreach(var match in matches) 
    { 
    Console.WriteLine(match); 
    }

结果：

The 
moon 
is 
our 
natural 
satellite 
i.e. 
it 
rotates 
around 
the 
Earth

来源

2011-09-05 18:55:35 TheCodeKing

但是，这不会包含标点符号作为单词的一部分吗？所以在上面的例子中，最后一个单词是“Earth！” ... –

不，它不符合地球上的标点符号。 '\ b'匹配单词边界。 – TheCodeKing

@Thecodeking，怎么样匹配“即”？或者“u.n.i.c.e.f”之类的东西？ –

这适用于我。

var str="The moon is our natural satellite, i.e. it rotates around the Earth!"; 
var a = str.Split(new char[] {' ', '\t'}); 
for (int i=0; i < a.Length; i++) 
{ 
    Console.WriteLine(" -{0}", a[i]); 
}

结果：

-The 
-moon 
-is 
-our 
-natural 
-satellite, 
-i.e. 
-it 
-rotates 
-around 
-the 
-Earth!

你可以做的结果的一些后期处理，去除逗号和分号等

来源

2011-09-05 18:53:01 Cheeso

这是最好的解决方案吗？对于像这样的情况，后处理会被视为低效吗？ –

我怀疑你正在寻找解决的办法是比你想象的要复杂得多。您正在寻找某种形式的实际语言分析，或者至少需要一本词典，以便您可以确定句点是单词的一部分还是句子结尾。你是否考虑过它可能会兼而有之？

考虑添加允许的“包含标点符号的词的词典”。这可能是解决问题的最简单方法。

来源

2011-09-05 18:57:09

正则表达式与'\ b'做到这一点，所以你不必，当然，有一些灰色地带。例如，“即”，匹配为“例”。 – TheCodeKing

Regex.Matches(input, @"\b\w+\b").OfType<Match>().Select(m => m.Value)

来源

2011-09-05 19:06:31

将句子拆分为单词，但在C中出现问题时出现问题＃

回答

相关问题