如何将文字拆分成文字？
如何将文字拆分成文字？
示例文字：
“哦，你无能为力，”猫说：“我们都疯了。 我生气了。 你疯了。’
该行中的文字是：
- 哦
- 您
- 不能
- 救命
- 那
- 说过
- 该
- 猫
- 我们
- 所有
- 狂
- 这里
- 我
- 狂
- 你是
- 狂
在空格上拆分文本，然后修剪标点符号。
var text = "'Oh, you can't help that,' said the Cat: 'we're all mad here. I'm mad. You're mad.'"; var punctuation = text.Where(Char.IsPunctuation).Distinct().ToArray(); var words = text.Split().Select(x => x.Trim(punctuation)); 完全同意例子。
首先，删除所有特殊的characeters：
var fixedInput = Regex.Replace(input, "[^a-zA-Z0-9% ._]", string.Empty); // This regex doesn't support apostrophe so the extension method is better
然后分开它：
var splitted = fixedInput.Split(' ');
对于更简单的C＃解决方案来删除特殊字符（您可以轻松更改），请添加此扩展方法（我添加了对撇号的支持）：
public static string RemoveSpecialCharacters(this string str) { StringBuilder sb = new StringBuilder(); foreach (char c in str) { if ((c >= '0' && c <= '9') || (c >= 'A' && c <= 'Z') || (c >= 'a' && c <= 'z') || c == '\'') { sb.Append(c); } } return sb.ToString(); }
然后像这样使用它：
var words = input.RemoveSpecialCharacters().Split(' ');
你会惊讶地发现这种扩展方法非常有效（肯定比正则表达式更高效）所以我建议你使用它;）
更新
我同意这是一种仅限英语的方法，但要使其兼容Unicode，您只需要替换：
(c >= 'A' && c <= 'Z') || (c >= 'a' && c <= 'z')
附：
char.IsLetter(c)
哪个支持Unicode，。Net还为各种案例提供char.IsSymbol和char.IsLetterOrDigit
只是为@Adam Fridental的答案添加一个非常好的答案，你可以尝试这个正则表达式：
var text = "'Oh, you can't help that,' said the Cat: 'we're all mad here. I'm mad. You're mad.'"; var matches = Regex.Matches(text, @"\w+[^\s]*\w+|\w"); foreach (Match match in matches) { var word = match.Value; }
我相信这是最短的RegEx，可以得到所有的话
\w+[^\s]*\w+|\w
如果你不想使用Regex对象，你可以做类似……
string mystring="Oh, you can't help that,' said the Cat: 'we're all mad here. I'm mad. You're mad."; List words=mystring.Replace(",","").Replace(":","").Replace(".","").Split(" ").ToList();
你仍然需要在“那个”结尾处理尾随撇号。
这是解决方案之一，我不使用任何帮助程序类或方法。
public static List ExtractChars(string inputString) { var result = new List (); int startIndex = -1; for (int i = 0; i < inputString.Length; i++) { var character = inputString[i]; if ((character >= 'a' && character <= 'z') || (character >= 'A' && character <= 'Z')) { if (startIndex == -1) { startIndex = i; } if (i == inputString.Length - 1) { result.Add(GetString(inputString, startIndex, i)); } continue; } if (startIndex != -1) { result.Add(GetString(inputString, startIndex, i - 1)); startIndex = -1; } } return result; } public static string GetString(string inputString, int startIndex, int endIndex) { string result = ""; for (int i = startIndex; i <= endIndex; i++) { result += inputString[i]; } return result; }
您可以尝试使用正则表达式删除未被字母（即单引号）包围的撇号，然后使用Char静态方法去除所有其他字符。 首先调用正则表达式，你可以保留收缩撇号（例如can't ），但删除单引号，如'Oh 。
string myText = "'Oh, you can't help that,' said the Cat: 'we're all mad here. I'm mad. You're mad.'"; Regex reg = new Regex("\b[\"']\b"); myText = reg.Replace(myText, ""); string[] listOfWords = RemoveCharacters(myText); public string[] RemoveCharacters(string input) { StringBuilder sb = new StringBuilder(); foreach (char c in input) { if (Char.IsLetter(c) || Char.IsWhiteSpace(c) || c == '\'') sb.Append(c); } return sb.ToString().Split(' '); }