从字符串中删除停用词

Question

我正在尝试从字符串中删除停用词，但问题是如果它再次出现在字符串中，它正在从单个单词中删除字符。
例如原始字符串是： “这部电影不错。” 结果字符串是： “这部电影不错。”。工作正常。但是
如果字符串是：“这部电影不错。”
那么结果字符串将是：“th movie good.”
由于 是 在此字符串中重复，因此它在结果中被排除。
另一个字符串： “这款游戏太棒了。所以，我观看并玩了很多。”
结果：“gme fntstic。所以，我想拼多多。”
由于 a 在此字符串中重复，因此结果字符串显示所有排除 a 的单词。

我正在唱这个代码：

List<string> stopWordsList = new List<string>();
stopWordsList = stopWordsFilter();//funtion returning the list of stop words taking from file.
        string propertyValue = "this game is fantastic. So, I watched and played a lot.";
        foreach (string word1 in propertyValue.Split(' '))
        {

            foreach ( var word in stopWordsList)
            {
                if (word.Equals(word1) && word.Length == word1.Length)
                {
                    propertyValue = propertyValue.Replace(word, "");
                }
            }
        }
        Console.WriteLine(propertyValue);

Answer 1

问题是您将停用词替换为String.Empty。 String.Replace 不关心单词，只关心子字符串。

您可以使用这种方法：

string propertyValue = "this game is fantastic. So, I watched and played a lot.";
var words = propertyValue.Split();
var newWords = words.Except(stopWordsFilter);
propertyValue = string.Join(" ", newWords);

如果你想忽略大小写，也可以省略"Is"：

var newWords = words.Except(stopWordsFilter, StringComparer.InvariantCultureIgnoreCase);

Answer 2

我在这里提出一个使用 linq 的解决方案：

    string result = propertyValue.Split(' ')
        .Where(s => !stopWordsList.Contains(s))
        .Aggregate((current, next) => current + " " + next);
    Console.WriteLine(result);