Question

如何检查字符串是否包含超过50个字符的单词？

Answer 1

EG。与LINQ：

string toCheck = "your string here";
bool isLong = toCheck
    .Split(new [] { ' ' }, StringSplitOptions.RemoveEmptyEntries)
    .Any(s => s.Length > 50);

修改

出于好奇，人们怀疑正则表达式会更快（我也这么认为），我做了几个简单的测试。不得不承认我对结果感到惊讶：

LINQ（或者说，字符串.Split和LINQ）的执行速度似乎比编译的Regex高3-20倍，比未编译的版本快6-30倍。

我在1'000'000模式下运行每个解决方案的Release次迭代，检查4个示例字符串：

一个没有50个字符+长字

一个只有一个50个字符+长字，位于字符串的结尾

一个只有一个50个字符+长字，在字符串的开头

一个有多个50个字符+长字，一个遍布字符串

结果可以在这里看到（LINQ vs编译正则表达式）：


LINQ [noLongWords]，1000000次迭代。结果=错误：867毫秒

LINQ [oneLongWordAtEnd]，1000000次迭代。结果=真：986毫秒

LINQ [oneLongWordAtBegining]，1000000次迭代。结果=真：827毫秒

LINQ [manyLongWordsEverywhere]，1000000次迭代。结果=真：2399毫秒

正则表达式[noLongWords]，1000000次迭代。结果=错误：16714毫秒

Regex [oneLongWordAtEnd]，1000000次迭代。结果=真：14225毫秒

Regex [oneLongWordAtBegining]，1000000次迭代。结果=真：6483毫秒

Regex [manyLongWordsEverywhere]，1000000次迭代。结果=真：6675毫秒

测试的源代码可用here。

当然，在常规条件下（谁运行1'000'000次迭代？），差异无关紧要，应该采用更容易/更易维护的解决方案。

Answer 2

强制性正则表达式回答：

Regex re = new Regex(@"(\w){50,}");
re.IsMatch(input);

PS：虽然我倾向于远离正则表达式，但我认为在这种情况下，正则表达式更简单，更快。

@ jimmy_keen实验后编辑

@jimmy_keen - 谢谢你。

我删除了该组，因为它不是真正需要的，并且Regex所花费的时间要少得多，下面是编译的输出：

更改了正则表达式：

Regex regex = new Regex(@"\w{50,}", RegexOptions.Compiled);

输出：

LINQ [noLongWords]，1000000   迭代。结果=错误：725毫秒

LINQ [oneLongWordAtEnd]，1000000   迭代。结果=真：760毫秒

LINQ [oneLongWordAtBegining]，1000000   迭代。结果=真：651毫秒

LINQ [manyLongWordsEverywhere]，   1000000次迭代。 Result = True：   2107毫秒

正则表达式[noLongWords]，1000000   迭代。结果=错误：2773毫秒

Regex [oneLongWordAtEnd]，1000000   迭代。结果=真：7217毫秒

Regex [oneLongWordAtBegining]，1000000   迭代。结果=真：3279毫秒

Regex [manyLongWordsEverywhere]，   1000000次迭代。 Result = True：   3283毫秒

DONE

在这种情况下，正则表达式比LINQ慢，但有点令人惊讶，但也许不是，因为我已经多次被正则表达式烧毁了。它们是一个很好的工具，但很重。在这种情况下，我认为正则表达式能够略微领先于LINQ，但事实并非如此。

稍微复杂一点，但类似的正则表达式在许多长字案例中胜过LINQ：

Regex regex = new Regex(@"[A-Za-z0-9]{50,}", RegexOptions.Compiled);

LINQ [noLongWords]，1000000   迭代。结果=错误：611毫秒

LINQ [oneLongWordAtEnd]，1000000   迭代。结果=真：642毫秒

LINQ   [oneLongWordAtBegining]，1000000   迭代。结果=真：549毫秒

LINQ   [manyLongWordsEverywhere]，1000000   迭代。结果=真：1914毫秒

正则表达式[noLongWords]，1000000   迭代。结果=错误：2085毫秒

Regex [oneLongWordAtEnd]，1000000   迭代。结果=真：4147毫秒

Regex [oneLongWordAtBegining]，1000000   迭代。结果=真：1569毫秒

Regex [manyLongWordsEverywhere]，   1000000次迭代。 Result = True：   1580毫秒

DONE

但我仍然相信正则表达式的简单性以及性能差异开始出现在100,000次或更多次，正则表达式仍然是最佳解决方案

Answer 3

取决于你想要寻找的标点符号，但基本上是：

string input = "fox jumped over the fence.";
bool hasLongWord = input.Split(new[] { ' ', ';', '.' }, 
                               StringSplitOptions.RemoveEmptyEntries)
                        .Any(word => word.Length > 50);

Answer 4

错误......我认为你找不到比以下更快的东西：

private static Regex rxLongWord = new Regex( @"\w{50,}" ) ;
public HasLongWord( string s )
{
  bool foundLongWord = rxLongWord.IsMatch( s ) ;
  return foundLongWord ;
}

如何检查字符串是否包含超过50个字符的单词？

4 个答案: