String.Except类List.Except的快速实现方法

Question

与新的.NET 6、7等类似，我们有一个lists类。

List<int> A = new List<int>();
List<int> B = new List<int>();
List<int> C = A.Except(B).ToList();

我的问题是，如何最好地使用同一个类的字符串版本：

string A = "<div><p>One</p><p>Two</p></div>";
string B = "<div><p>One</p><p>Two</p><p>Three</p></div>";
string C = A.Except(B).ToString();

得到结果= <p>Three</p>

相反，我得到了：

System.Linq.Enumerable+<ExceptIterator>d__73`1[System.Char]

我做错了什么？

编辑：

只需将最大的字符串用于，除了最小的字符串外，倒转数组顺序：

string C = B.Except(A);

使用：尼克氏 new string(C.ToArray());给我：

hr

在使用相反的方法后稍微没有预料到的结果。

Answer 1

你的解决方案有两个问题。

ToString()的行为

当在.ToString()上执行IEnumerable时，它总是打印出类型。这是因为IEnumerable不覆盖ToString()的行为。有关此问题的更多信息，请参见ToString。

如果要将IEnumerable (返回类型的以外)转换为字符串，则必须执行以下操作

var C = new string(A.Except(B));

A.Except(B)的行为

除了方法不像你想的那样起作用。

例如，下面的代码：

var a = new List<int> { 1, 2, 3 };
var b = new List<int> { 2, 3, 4 };
var c = a.Except(b);

其结果是{1 }。该方法有效地返回a中的所有in的新枚举，而不是b中的枚举。

现在，字符串只是字符的枚举-更准确地说，

var A = "<div><p>One</p><p>Two</p></div>";

从LINQ的角度来看，相当于

var A = new List<char> { '<', 'd', 'i', 'v', '>', ..., '<', '/', 'd', 'i', 'v', '>' };

B也是如此。

所以，当您执行A.Except( B )时，LINQ实际上要做的是遍历每个字符，看看它是否能在B中找到它。如果可以，它不会在结果集中结束。现在，由于A中的所有字符都在B中，所以您将得到一个空字符串。要了解实际情况，只需稍微修改A，使其包含一个不在B中的字符：

string A = "<div><p>One</p><p>Two</p></div>ApplePie";

如果你现在做了

string A = "<div><p>One</p><p>Two</p></div>ApplePie";
string B = "<div><p>One</p><p>Two</p><p>Three</p></div>";
string C = new string(A.Except(B).ToArray());

你会得到"AlP“。

解决方案

在我看来，执行best的最佳方法是解析字符串，将它们转换为对象，然后执行best。没有内置的算法能够分辨您的字符串实际上是结构化的，以及如何区分它们。作为一种有效的解决方案，使用HtmlAgilityPack ( nuget包)

var docB = new HtmlDocument();
docB.LoadHtml(B);

var docA = new HtmlDocument();
docA.LoadHtml(A);
var nodes = docB.DocumentNode.FirstChild.Descendants("p").Select(node => node.InnerHtml)
    .Except(docA.DocumentNode.FirstChild.ChildNodes.Select(node => node.InnerHtml));
// take note that we are actually doing whatIsInB.Except(whatIsInA), since doing the reverse would result in nothing. There is no <p> in A that is not also present in B

var result = string.Join(Environment.NewLine, nodes); // will resut in "Three"
var otherResult = $"<p>{result}</p>"; // "<p>Three</p>"

我让你做一个更一般的方法:)

但这个想法是，如果你想工作，除了你期望的方式，你将不得不要求它使用字符串，而不是字符。

是否按照其他解决方案的建议，使用HtmlAgilityPack或Regex进行字符串组件(本例中的元素)提取所需的解析，完全取决于您。

Answer 2

使用以外()扩展方法时，返回类型是Char的列表。

文档

而且，A.Excepts(B)永远不会产生您想要的结果，因为它将字符串转换为char数组。因此，它将从B中存在的A中删除每一个字符。

你需要想一种不同的算法来做到这一点。

Answer 3

您想要的Wnat不是Except，因为它是一个称为集合差或相对补码的集合操作，在这个操作中，您说您希望一个集合中的元素不存在于另一个集合中。

您可以使用正则表达式组实现您期望的结果：

using System;
using System.Text.RegularExpressions;

class Program
{
    static void Main()
    {
        // Input string.
        string input = "<div><p>One</p><p>Two</p><p>Three</p></div>";

        // Use named group in regular expression.
        Regex expression = new Regex(@"^<div><p>One</p><p>Two</p>(?<middle>[<>/\w]+)</div>$");

        // See if we matched.
        Match match = expression.Match(input);
        if (match.Success)
        {
            // Get group by name.
            string result = match.Groups["middle"].Value;
            Console.WriteLine("Middle: {0}", result);
        }

        // Done
        Console.ReadLine();
    }
}

使用正则表达式^<div><p>One</p><p>Two</p>(?<middle>[<>/\w]+)</div>$，您可以说字符串应该以<div><p>One</p><p>Two</p>开头(^)，用</div>结束($)，并且无论在包含<、E 113>E 214、E 115/E 216或任何字母数字字符(E 117\wE 218)之间的任何字符(E 119+E 220)，都将被添加到名为E 121E<222>代码的组中。

不过，我不推荐你去尝试用regex解析HTML.