Question

我想删除输入标签中的所有噪音标签（字符串）标签用逗号分隔。如果噪音词是大标签的一部分，它将保留。

这就是我的工作，但没有工作：

string input_string = "This,sure,about,all of our, all, values";
string stopWords = "this|is|about|after|all|also";
stopWords = string.Format(@"\s?\b(?:{0})\b\s?", stopWords);
string tags = Regex.Replace(input_string, stopWords, "", RegexOptions.IgnoreCase);

这是我想从上面输入的内容： “，当然，我们所有的，价值观”

这些词语“This”，“about”，“all”将被替换为“”，因为它们是噪音词。但即使它中有“全部”的噪音词，“我们所有人”仍将保留。这是因为逗号是标签边界

任何人都可以帮助我吗？

我有一个替代解决方案，将噪音词放入字典，然后搜索输入字符串中的每个单词。但我更喜欢RegEx方法。

Answer 1

        var input = "This,sure,about,all of our, all, values";
        var stopWords = new Regex("^(this|is|about|after|all|also)$");
        var result = String.Join(",", input.Split(',').
            Where(x => !stopWords.IsMatch(x.Trim())));

Answer 2

尝试

stopWords = string.Format(@"(?<=^|,)\s*(?:{0})\s*(?=$|,)", stopWords);

这使用lookbehind (?<=)来确定字符串的前一个或开头，以及前瞻(?=)以确定尾随，。我还删除了边界\b代码，因为它不需要，并用\s?替换您的可选空格\s*以匹配0个或更多空格。

您可以将*更改为？如果你真的意味着最多只有一个空间。

Answer 3

我不喜欢使用Regex处理任务，因此我将提供替代解决方案，您可以决定是否要使用它。

string[] inputWords = input_string.Split(',');
string tags = "";

foreach(string s in inputWords)
{
   if(!storWords.Contains(s.ToLowerInvariant()))
      tags += s + ",";
}

tags = tags.TrimEnd(',');

//tags = "sure,all of our,values"

RegEx有助于从字符串中删除干扰词或停止词

3 个答案: