c# - 将字符串拆分为单词并重新加入其他数据

Question

我有一个使用 Regex 来查找文本 string 中的模式的方法。它有效，但还不够完善，因为它要求文本以确切的顺序出现，而不是将短语视为一组单词。

    public static string HighlightExceptV1(this string text, string wordsToExclude)
    {
        // Original version
        // wordsToExclude usually consists of a 1, 2 or 3 word term.
        // The text must be in a specific order to work.

        var pattern = $@"(\s*\b{wordsToExclude}\b\s*)";

        // Do something to string...
    }

这个版本改进了以前的版本，因为它确实允许以任何顺序匹配单词，但是它在最终输出中导致了一些间距问题，因为间距被删除并替换为管道。

    public static string HighlightExceptV2(this string text, string wordsToExclude)
    {
        // This version allows the words to be matched in any order, but it has
        // flaws, in that the natural spacing is removed in some cases.
        var words = wordsToExclude.Replace(' ', '|');

        var pattern = $@"(\s*\b{words}\b\s*)";

        // Example phase: big blue widget
        // Example output: $@"(\s*\bbig|blue|widget\b\s*)"

        // Do something to string...
    }

理想情况下，需要保留每个单词周围的间距。下面的伪示例显示了我正在尝试做的事情。

1. 将原始短语拆分成单词
2. 将每个单词包装在一个正则表达式模式中，以保留空间 匹配时

3. 重新加入单词模式以生成将用于 匹配

   public static string HighlightExceptV3(this string text, string wordsToExclude)
   {
       // The outputted pattern must be dynamic due to unknown
       // words in phrase.
   
       // Example phrase: big blue widgets
   
       var words = wordsToExclude.Replace(' ', '|');
       // Example: big|blue|widget
   
       // The code below isn't complete - merely an example
       // of the required output.
   
       var wordPattern = $@"\s*\b{word}\b\s*";
       // Example: $@"\s*\bwidget\b\s*"
   
       var phrasePattern = "$({rejoinedArray})";
       // @"(\s*\bbig\b\s*|\s*\bblue\b\s*|\s*\bwidget\b\s*)";
   
       // Do something to string...
   }
   

注意:可能有更好的方法来处理单词边界间距，但我不是正则表达式专家。

我正在寻找一些帮助/建议来获取拆分数组、包装它，然后以最简洁的方式重新加入它。

Answer 1

您需要将所有备选方案包含在非捕获组中，(?:...|...) .此外，为了进一步解决最终问题，我建议用它们的环视明确等效项 (?<!\w)...(?!\w) 替换单词边界。 .

这是一个working C# snippet :

var text = "there are big widgets in this phrase blue widgets too";
var words = "big blue widgets";
var pattern = $@"(\s*(?<!\w)(?:{string.Join("|", words.Split(' ').Select(Regex.Escape))})(?!\w)\s*)";
var result = string.Concat(Regex.Split(text, pattern, RegexOptions.IgnoreCase).Select((str, index) =>
            index % 2 == 0 && !string.IsNullOrWhiteSpace(str) ? $"<b>{str}</b>" : str));
 Console.WriteLine(result);

注意事项

• words.Split(' ').Select(Regex.Escape) - 拆分 words带空格的文本和正则表达式转义每个项目
• string.Join("|",...)重新构建字符串插入 |项目之间
• (?<!\w)否定后视匹配一个没有紧跟单词 char 的位置，并且 (?!\w)否定先行匹配一个没有紧跟单词 char 的位置。