Question

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文件名是word.exe。”或者“这是一个c＃语句If（a> b？1,0）？”

在这种情况下，我得到了[word＆amp; exe] AND [If，a，b，1和0]作为单独的单词。我收到word.exe和（If（a＆gt; b？1,0）作为单词会很好（为了我的目的）。

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，它不会用标点符号来破坏单词。我认为词尾可以由尾随的WhiteSpace定义，Sentence终止标点符号（你可能会想到其他人）。如果你可以建议一些正则表达式9 for VB .NET），这将是很好的帮助。

感谢。

Answer 1

如果我们假设那样。在它完全停止之后有一个空格然后这个正则表达式应该工作

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

Answer 2

不是正则表达式，但您可以执行以下操作：

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

（从内存中编写的代码可能不会完全像那样编译）

编辑：意识到代码可以简化。

Answer 3

此表达式基于Expresso的默认示例文本具有相当不错（尽管不完美）的结果：

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

Answer 4

我试图在COMMENT部分发布我的代码，但它太长了。我回答我自己的问题，ANSWER真的来自Hun1Ahpu＆amp;艾伦摩尔。

我正在粘贴我的代码，告诉我如何从单词中删除拖尾标点符号。

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

.NET Regular Expression用于查找文本中的实际单词

4 个答案: