Question

我有一个带有两个属性的xml：word和link。如何使用xml信息将文本上的单词替换为链接。例： XML

<word>dog</word>
<link>http://www.dog.com</link>

文字：狗很好。

结果：dog很不错。

结果确定。

问题：

1-如果文字中包含狗这个单词，结果就会因为“s”而变得不合适。

2-我已经测试了在文本上按空格分割以修复它，但是如果这个单词组成了新年，则结果会再次出现。

有没有人有任何建议去解决这些问题（复数和复合词）？

感谢您的帮助。

Answer 1

您可以使用Lucene.Net的贡献包Snowball来阻止（words - ＆gt; word，came - ＆gt; come，{{1 }} - ＆gt; having等）。但你仍然会遇到复合词的麻烦

Answer 2

如果您推出自己的解决方案，我在.NET复数功能方面取得了很大的成功：

基本上，你可以用复数形式传递一个单词并接收单数形式，反之亦然。

这可能是相当密集的，取决于内容的变化频率，即这不是一个实时搜索数千个单词的好选择。

假设您可以预处理/缓存结果或源文件很小，您可以：

运行一次

识别源文件中的所有候选词。
解析/拆分短语并将它们传递给复数库以确定它们的复数对应物。
生成（并预编译）简单的正则表达式，以找到执行要匹配的单词。例如，如果你想匹配“狗”但不匹配“狗”，你可以创建一个像dog[^s]这样的正则表达式，然后可以对文本执行。

每当需要搜索/替换时运行

同样，这将是处理器密集型以实时运行（大多数解决方案将是）。与往常一样，如果要解析HTML，则应使用HTML解析器，而不是正则表达式。在这种情况下，您可以使用适当的解析器来定位所有文本节点，然后对它们执行搜索/替换。

另一种解决方案是将文本和关键字列表放入数据库并使用SQL Server全文索引，这对于这些事情往往非常聪明，并支持智能匹配谓词。你甚至可以将它与CLR存储过程结合起来来处理.NET擅长的东西（比如字符串解析）。

无论采用何种方法，这都不是一门精确的科学。

Answer 3

你可能需要一本字典。创建一个文本文件/ XML文件，其中包含所需单词和复数形式的单词。在运行时，将它们加载到Dictionary<String, String>。然后在字典中查找<word/>的值并提取其奇异值。