Question

我需要做的是将大量文本解析成句子。通过寻找终结者来隔离句子。终结者包括'。'和'？'和'：'和省略号（“......”）。

有没有办法可以说

if (char is terminator) 
{ 
    // do this 
}

以干净的方式而不是

if (char == '.' || char == '?' || char == etc etc etc etc )

我确实想过做一个终结器数组并做

if (ArrayofTerminators.Contains<char>('thechar'))
{
    // do that 
}

但这似乎也很愚蠢？

*编辑谢谢。难以选择这么多好的回复。无论如何，我决定采用UnhandledException的答案，因为它紧凑而优雅，正是我真正想要的。

Answer 1

如果切入分隔字符串适合您 - String.Split支持分隔符数组（http://msdn.microsoft.com/en-us/library/b873y76a.aspx）

var sentenses =“A？bcd.Foo！”。Split（new char [] {'。'，'？'，'！'}）;

如果省略号由单独的点表示，则拆分将无效。

如果你需要检查分隔符并且只需找到句子边界 - 如果你有很多字符用于“在分隔符数组中”，请考虑使用HashSet（http://msdn.microsoft.com/en-us/library/bb359438.aspx）分隔符而不是数组

Answer 2

假设你只担心一个8位（或更少）的字符集，你可以很容易地做一个布尔数组。将终止符设置为true，将其他所有内容设置为false。然后测试终结器变为：

if (terminators[char])
{
   // do this
}

对于较大的字符集，您可以执行相同的操作，但对于大字符（例如，超过16位），它开始使用 lot 更多内存。

Answer 3

如果您只需要拆分字符，String.Split就很棒。如果您需要更深入的内容，请考虑使用regex.Split（），使用此处的正则表达式http://social.msdn.microsoft.com/Forums/en-US/regexp/thread/b20b6bf7-fa5e-4c55-8e9d-e69762f178b0/

通过这种方式，您可以捕捉到一些极端情况：I can't wait until Jan. is here.，其中Jan.不是句子的结尾。

Answer 4

所有分裂都缺少惩罚。它们不起作用。

让句子迭代字符的一个选项。

此代码显示了迭代工作和拆分的原因：

        string text = "sentence one. sentence two? sentence three...";
        List<string> sentences = new List<string>();

        StringBuilder sb = new StringBuilder();
        bool termHit = false;

        foreach (char c in text)
        {
            sb.Append(c);

            if (c == '.' || c == '?')
            {
                termHit = true;     
            }
            else
            {
                if (termHit)
                {
                    termHit = false;
                    sentences.Add(sb.ToString());
                    sb = new StringBuilder();
                }
            }
        }

        if (sb.Length > 0)
        {
            sentences.Add(sb.ToString());   
        }

        Console.WriteLine("Parse:");
        foreach (string sentence in sentences)
        {
            Console.WriteLine(sentence);    
        }

        string[] splits = text.Split(new char[] {'.', '?'});

        Console.WriteLine("Split:");
        foreach (string sentence in splits)
        {
            Console.WriteLine(sentence);    
        }

输出：

<强>解析：

第一句话。

句子二？

第三句......

<强>分割

第一句

第二句话

第三句

另外，正如洛曼在你提问的评论中指出的那样。解析句子的问题要比所有这些解决方案复杂得多。例如，标点符号包含点。

Answer 5

char[] delimiters = new char[] { '.', '?' };
string[] sentences= text.Split(delimiters, StringSplitOptions.RemoveEmptyEntries);

找到句子的简单方法是一个大字符串？

5 个答案: