如何在文本中找到最长的句子？

Question

假设我有类似这样的文本文件：

C#[note 2]（读作 see sharp）是一种多范式编程 语言包含强类型、命令式、声明式、 功能性、通用性、面向对象（基于类）和 面向组件的编程学科。它是由 Microsoft 在其 .NET 计划中，后来被批准为标准 通过 Ecma (ECMA-334) 和 ISO (ISO/IEC 23270:2006)。 C# 是其中之一 为公共语言基础设施设计的编程语言。 C# 旨在成为一种简单、现代、通用、 面向对象的编程语言。 [7]其开发团队由领导 安德斯·海尔斯伯格着。最新版本是 C# 6.0，它是 2015 年 7 月 20 日发布。[8]

如何在本文中找到最长的句子？我应该使用string[] lines = File.ReadAllLines(file); 阅读它吗？

编辑：你说是不可能的。但这是老师给我的任务..

好的，如何处理这个文本文件？：

短信或短信是撰写和发送的行为 两部或多部手机之间的简短电子信息，或 通过电话网络的固定或便携式设备。该术语最初 指使用短消息服务 (SMS) 发送的消息。它 已经发展到包括包含图像、视频和声音的消息 内容（称为彩信）。短信的发件人是已知的 作为发短信者，而服务本身有不同的俗语 取决于地区。它可以简单地称为文本 北美、英国、澳大利亚、新西兰和 菲律宾，在欧洲大陆大部分地区发短信，在欧洲大陆发彩信或短信 中东、非洲和亚洲。

Answer 1

如果您真的想按句子拆分英文文本（而不仅仅是为了家庭作业），我建议您使用其中一种开源自然语言处理工具，例如 SharpNLP，它是Java OpenNLP 工具。我已经从GitHub 下载了源代码，并在其Test 项目中创建了以下示例。这个程序输出6个句子，最长的句子实际上是第一个句子。

using OpenNLP.Tools.SentenceDetect;

namespace Test
{
    internal class Program
    {
        private static readonly string currentDirectory = Environment.CurrentDirectory + "/../../";

        private static void Main(string[] args)
        {

            var inputText =
                "C#[note 2] (pronounced as see sharp) is a multi-paradigm programming language encompassing strong typing, imperative, declarative, functional, generic, object-oriented (class-based), and component-oriented programming disciplines. It was developed by Microsoft within its .NET initiative and later approved as a standard by Ecma (ECMA-334) and ISO (ISO/IEC 23270:2006). C# is one of the programming languages designed for the Common Language Infrastructure. C# is intended to be a simple, modern, general-purpose, object-oriented programming language.[7] Its development team is led by Anders Hejlsberg. The most recent version is C# 6.0, which was released on July 20, 2015.[8]";
            var sentenceDetector =
                new EnglishMaximumEntropySentenceDetector(currentDirectory + "../Resources/Models/EnglishSD.nbin");
            string[] sentences = sentenceDetector.SentenceDetect(inputText);


            string longest = sentences.OrderByDescending(s => s.Length).First();
        }
    }
}

Answer 2

您可以使用string.Split(new string[]{"."},StringSplitOptions.None) 方法来 将字符串拆分为句子数组 然后你可以用 string.Length 选择最长

Answer 3

编辑：编辑问题后。我将采取Guffa's 的答案来拆分字符串并占用最长的时间。

    string lines;

    try
    {   // Open the text file using a stream reader.
        using (StreamReader sr = new StreamReader("TestFile.txt"))
           lines = sr.ReadToEnd();     
    }
    catch (Exception e)
    {
        Console.WriteLine("The file could not be read:");
        Console.WriteLine(e.Message);
    }

    List<string> sentences = Regex.Split("", @"(?<=[\.!\?])\s+").ToList();
    var longestSentences = sentences.Where(s => s.Length == sentences.Max(l => l.Length));
    List<int> indexsOfLongestSentences = new List<int>();

    if(longestSentences.Any())
            indexsOfLongestSentences.AddRange(longestSentences.Select(longestSentence => sentences.IndexOf(longestSentence)));

---

编辑问题前的回答

这是不正确的方式：

string[] lines = fileText.Split('.');
var line =lines.Max(l=>l.Length);

Answer 4

没有办法。抱歉，但是当您的文本包含 "within its .NET initiative and later approved" 和 "sion is C# 6.0, which " 之类的内容时，确实没有可靠方法来确定实际句子的开始位置和结束时间。