根据段落和句子的“/n”和“.”将字符串/文件中的文本拆分为二维数组。

Question

我需要从文档或字符串（从用户粘贴的文本）中获取文本，并将其拆分为一个二维数组，其中每个部分是一个段落，其中的值是句子。如果这会影响任何事情，我会将其作为 winform 执行。

到目前为止，我已经有了它，所以我可以创建一个基本数组来保存每个段落的文本，以“\n”区分（这确实会导致标题等内容独立，但这很好）。但是我还需要将每个句子用“。”分隔，并形成提到的二维数组。

到目前为止我的代码是：

public void sentenceSplit()
    {
        content = File.ReadAllText(documentPath);
        content = Regex.Replace(content, @"^\s+$[\r\n]*", "", RegexOptions.Multiline);
        string[] paragraphs = content.Split('\n');            

        TextboxSummary.Text = string.Join("\n \n", paragraphs);
    }

需要正则表达式，因为它会删除完全空的行，否则由于双“\n”的情况而添加为数组条目。

我之前没有处理过创建这样的二维数组，并且不确定是否可以在我只声明 2 个拆分值而不是 1 的一行中完成。

Answer 1

看起来你可能想要一个锯齿状的数组，因为每个段落可以有不同数量的句子。交错数组可以被认为是数组的数组，并且与 C# 中的普通多维数组具有不同的语法。 MSDN for Jagged Arrays

以下是我将如何使用锯齿状数组来解决您的问题。

content = File.ReadAllText(documentPath);
var paragraphs = content.split(new char[] { '\n' }, StringSplitOptions.RemoveEmptyEntries);

string[][] results = new string[paragraphs.Length][];

for(int i = 0; i < results.Length; i++)
{
    results[i] = paragraphs[i].Split(new char[] {'.'}, StringSplitOptions.RemoveEmptyEntries);
}

您可以通过使用StringSplitOptions.RemoveEmptyEntries 配置选项避免使用正则表达式，因为它将删除所有仅包含空格的字符串，包括\n 字符串。

现在，访问results[0] 将为您提供一个包含第一段中所有字符串的数组，依此类推。

一些注意事项。没有一个句子不再有句号，但你可以很容易地把它们加回来。如果句号出现在句子的中间，比如十进制数字，这些将被视为单独的句子。我敢肯定，比我拥有更多正则表达式知识的人可以给你一个拆分正则表达式，它可以更好地找到句子的结尾。