.NET 正则表达式在文本中查找实际单词答案

【问题标题】：.NET Regular Expression to find actual words in text.NET 正则表达式在文本中查找实际单词
【发布时间】：2010-04-19 19:52:35
【问题描述】：

我正在使用 VB .NET 编写一个程序，该程序将从提供的文本文件中获取单词并计算每个单词出现的次数。我正在使用这个正则表达式：-

parser As New Regex("\w+")

它给了我几乎 100% 正确的单词。除非我有像

这样的词

"Ms Word App 文件名为 word.exe。"或“这是一个 c# 语句 If(a>b?1,0) 吗？”

在这种情况下，我得到 [word & exe] AND [If, a, b, 1 and 0] 作为单独的词。我收到 word.exe 和 (If(a>b?1,0) 作为单词会很好（出于我的目的）。

我猜 \w+ 寻找空格、句子终止标点符号和其他标点符号来确定一个单词。

如果标点符号不是单词的结尾，我想要一个类似的正则表达式，它不会用标点符号打断单词。我认为词尾可以由尾随的 WhiteSpace、Sentence termination 标点符号定义（您可能会想到其他人）。如果您可以建议一些用于 VB .NET 的正则表达式 9），那将很有帮助。

谢谢。

【问题讨论】：

标签： .net regex

【解决方案1】：

如果我们假设 .句号后有一个空格，那么这个正则表达式应该可以工作

[\w(?!\S)\.]+

【讨论】：

@Hun1Ahpu：这个是目前为止效果最好的。唯一的问题是，对于句子末尾的单词，它包括终端 FullStop(.)、问号 (?) 和感叹号 (!)。如果单词以逗号（，）结尾，则此 RegEx 也包含它。喜欢：“我喜欢芒果、橙子和香蕉。”将得到“芒果”、“橙子”和“香蕉”。作为词。但如果我有“芒果”、“橙子”和“香蕉”就完美了。
@Hun1Ahpu：（续）这个 RegEx 完美地捕获了 word.exe。并且 If(a>b?1,0) 被捕获为“If(a>b?1,0)”。由于终止 FullStop (.)。我可以手动遍历每个单词，查找+省略尾随逗号、句号、感叹号、括号等，但如果可以由 RegEx 处理，那对我来说是 100% 完美的。感谢“到目前为止”的最佳答案！
[\w(?!\S)\.] 是一个匹配任何一个字符的字符类：一个单词字符（\w）；非空白字符 (\S)；或(、?、!、) 或. 之一。如果这个正则表达式对你有用，@Mehdi，那是偶然的；如果你使用\S+，你会得到完全相同的结果。
@Alan Moore：是的！你说的对。 \S+ 也给出与 [\w(?!\S)\.]+ 相同的结果我会接受这个答案作为我的解决方案，因为它最接近我的需要。

【解决方案2】：

不是这样的正则表达式，但你可以这样做：

Dim words() As String = myString.Replace(". ", " ").Split(" "c)

（从内存中编写的代码，因此可能不会完全像那样编译）

编辑：意识到代码可以简化。

【讨论】：

@ho：您的解决方案不包括以“？”结尾的句子或者 ”！”。我将使用 replace+Split 作为最后的手段。

【解决方案3】：

根据 Expresso 的默认示例文本，这个表达式有相当不错的（虽然不是完美的）结果：

((?:\w+[.\-!?#'])*\w+)(?=\s)

【讨论】：

这个正则表达式没有捕获 word.exe。我想要 word.exe 作为一个词。它以“陈述”作为最后一个词，之后不包括任何内容。所以 If(a>b?1,0) 部分被完全忽略。但我仍然想要那部分作为一个词。感谢您的帖子。
嗯。听起来我需要更加努力！

【解决方案4】：

我试图在 COMMENT 部分发布我的代码，但它太长了。我正在回答我自己的问题 ANSWER 真的来自 Hun1Ahpu 和 Alan Moore。

我正在粘贴有关如何从单词中删除尾随标点符号的代码。

Private mstrPunctuations As String = ",.'""`!@#$%^&*()_-+=?"
Dim parser As New Regex("\S+")
        Me.mintWordCount = parser.Matches(CleanedSource).Count
        For Each Word As Match In parser.Matches(CleanedSource)
            Dim NeedChange As Boolean = False
            For Each aChar As Char In Me.mstrPunctuations.ToCharArray()
                If Word.Value.EndsWith(aChar) Then
                    NeedChange = True
                    Exit For
                End If
            Next
            If NeedChange Then
                SetStringStat(Word.Value.Substring(0, Word.Value.Length - 1))
            Else
                SetStringStat(Word.Value)
            End If
        Next

【讨论】：