在多个单词上拆分字符串，并跟踪哪个单词在哪里拆分它

Question

我正试图根据一组单词来分割一个长字符串。例如：

词:尝试，长，排列

句子：“我正试图根据一组单词来分割一个长字符串。”

产生的字符串数组：

基于am

• trying

• to a

• long

• string的
• I

同一个单词可能有多个实例，因此可能会出现两个尝试导致拆分或数组的实例。

在.NET中有什么简单的方法可以做到这一点吗？

Answer 1

将分隔符保留在结果中的最简单方法是使用Regex.Split method并在组中使用交替构造模式。组是将分隔符作为结果的一部分的关键，否则它将删除它们。该模式看起来类似于(word1|word2|wordN)，括号用于分组。此外，您应该使用Regex.Escape method对每个单词进行转义，以避免将它们错误地解释为regex。

我还建议阅读我对类似问题的回答(以及其他人的答案)，以了解更多细节：How do I split a string by strings and include the delimiters using .NET?

既然我在C#中回答了这个问题，下面是一个VB.NET版本：

Dim input As String = "I am trying to split a long string based on an array of words."
Dim words As String() = { "trying", "long", "array" }

If (words.Length > 0)
    Dim pattern As String = "(" + String.Join("|", words.Select(Function(s) Regex.Escape(s)).ToArray()) + ")"
    Dim result As String() = Regex.Split(input, pattern)

    For Each s As String in result
        Console.WriteLine(s)
    Next
Else
    ' nothing to split '
    Console.WriteLine(input)
End If

如果您需要修剪每个被拆分的单词周围的空格，可以在模式中加上前缀和后缀\s*，以匹配周围的空格：

Dim pattern As String = "\s*(" + String.Join("|", words.Select(Function(s) Regex.Escape(s)).ToArray()) + ")\s*"

如果使用的是.NET 4.0，则可以在String.Join方法中删除ToArray()调用。

编辑： BTW，您需要预先决定您希望拆分如何工作。它应该匹配单个单词还是作为其他单词的子字符串的单词？例如，如果您的输入中有单词“属于”，那么上面的解决方案将分裂为"long"，从而导致{"be", "long"}。这是想要的吗？如果没有，则对模式的小改动将确保拆分后的单词匹配完整。这是通过用一个字边界\b元字符包围模式来实现的：

Dim pattern As String = "\s*\b(" + String.Join("|", words.Select(Function(s) Regex.Escape(s)).ToArray()) + ")\b\s*"

\s*是可选的，根据我前面提到的修剪。

Answer 2

您可以使用正则表达式。

(.*?)((?:trying)|(?:long)|(?:array))(.*)

如果匹配的话会给你三个组：

• 1)任何拆分词的第一个实例之前的位。
• 2)拆分词本身。
• 3)字符串的其余部分。

。

你可以继续在(3)上进行匹配，直到你的火柴用完。

我玩过这个游戏，但是我找不到一个在目标单词的所有实例上分裂的正则表达式。也许有更多的人能解释一下。

我假设VB有regex支持。如果没有，我建议使用另一种语言。当然，C#是有规则的。

Answer 3

您可以使用“”进行拆分，而不是遍历“拆分词”数组中包含的单词。