Question

我需要通读文档以查找“苹果”一词的出现。找到“苹果”后，我需要返回包含该单词的整个段落。有没有办法在C＃中做到这一点？可以做到吗？

当然，返回包含“ apple”的句子非常简单，但是我不确定要检索整个段落需要做什么。段落是否有可识别的分隔符，可以与正则表达式一起使用？

要重申：

需要分析整个 PDF 文档。
找到“苹果”一词后，返回包含它的段落。
针对每次出现的“苹果”一词执行此操作。

Answer 1

通常，句子之间用space隔开，Regex相当于\s或carriage return line feed（CRLF）等于\r\n 有时一行也是一个\n。

让我们假定段落由两个（或多个）CRLF（或LF）分隔。拥有段落后，我们可以在这些段落中搜索所需的任何单词：

   private static ArrayList paragraphs(string entireText)
    {
        char[] sep1 = new char[] { '\r', '\n', '\r', '\n' };
        char[] sep2 = new char[] { '\n', '\n' };

        string[] chunks = entireText.Split(sep1);
        ArrayList paragraphs = new ArrayList();
        foreach (string chunk in chunks)
        {

            string[] paras = chunk.Split(sep2);
            foreach (string paragraph in paras)
                paragraphs.Add(paragraph.Trim());
        }
        return paragraphs;
    }

   public static void Main()
        {
            string entireText = "your_text";
             ArrayList paragraphs = paragraphs(entireText);
            ArrayList containingWordList = new ArrayList();
            foreach (String paragraph : paragraphs){
                if (paragraph.Contains(word)) containingWordList.Add(paragraph);
            }
        }

如何返回包含特定单词的段落？

1 个答案: