查找和替换 NSString 中的长单词？ [关闭]

Question

我正在尝试编写一个搜索 NSString 的方法，确定字符串中的单个单词是否超过 6 个字符，然后用其他单词替换该单词（例如“hello”）。

我从一个很长的段落开始，最后需要一个 NSString 对象，其格式和间距不受查找和替换的影响。

Answer 1

为什么是另一个答案？

使用componentsSeparatedByString: 的简单解决方案存在一些微妙的问题：

1. 标点符号不作为单词分隔符处理。
2. 除了空格字符（换行符、制表符）之外的空白字符被简单地删除。
3. 长字符串会浪费大量内存。
4. 很慢。

示例

假设“-”的替换词是一个类似...的字符串

“基本上”，D.H.C.总结，
“bokanovskification 包括一系列发展停滞。”

... 会导致 ...

– D.H.C. - 一系列的 - 的 -

...而正确的输出是：

“-”，D.H.C. –,
”– – 一系列 – of –。”

解决方案

幸运的是，Cocoa 中有一个更好但更简单的解决方案：-[NSString enumerateSubstringsInRange:options:usingBlock:]

它提供了对options 参数定义的子字符串的快速迭代。一种可能性是NSStringEnumerationByWords，它枚举所有实际上是真实单词的子字符串（在当前语言环境中）。它甚至可以检测不使用分隔符（空格）分隔单词的语言中的单个单词，例如日语。

比较解决方案

Here's a simple demo project 适用于行话文件（1.6 MB，237,239 字）。它比较了三种不同的解决方案：

1. componentsSeparatedByString：270 毫秒
2. enumerateSubstringsInRange：125 毫秒
3. stringByReplacingOccurrencesOfString，如@Monolo 所述：200 毫秒

实施

它的核心是替换循环：

NSMutableString *result = [NSMutableString stringWithCapacity:[originalString length]];
__block NSUInteger location = 0;
[originalString enumerateSubstringsInRange:(NSRange){0, [originalString length]}
                                   options:NSStringEnumerationByWords | NSStringEnumerationLocalized | NSStringEnumerationSubstringNotRequired
                                usingBlock:^(NSString *substring, NSRange substringRange, NSRange enclosingRange, BOOL *stop) {

                                    if (substringRange.length > maxChar) {
                                        NSString *charactersBetweenLongWords = [originalString substringWithRange:(NSRange){ location, substringRange.location - location }];
                                        [result appendString:charactersBetweenLongWords];
                                        [result appendString:replaceWord];
                                        location = substringRange.location + substringRange.length;
                                    }

                                }];
[result appendString:[originalString substringFromIndex:location]];

警告

正如Monolo 所指出的，建议的代码使用NSString 的长度来确定单词的字符数。至少可以说，这是一个值得怀疑的方法。事实上，字符串的length 指定了用于对字符串进行编码的代码片段数，该值通常与人类假设的字符数不同。

由于术语“字符”在不同的上下文中具有不同的含义，并且 OP 没有指定使用哪种字符数，所以我只是将代码保持原样。如果您想要不同的计数，请参阅讨论该主题的文档：

• Apple 的字符串编程指南，Characters and Grapheme Clusters
• Unicode 常见问题解答：How are characters counted when measuring the length or position of a character in a string?

Answer 2

正如您从答案中看到的那样，有几种方法可以完成您所追求的目标，但我个人更喜欢使用NSString 类的stringByReplacingOccurrencesOfString:withString:options:range: 方法，该方法正是为了用另一个字符串替换子字符串。

在您的情况下，我们需要使用 NSRegularExpressionSearch 选项，该选项将允许识别具有 7 个或更多字母（即，如您所说的超过 6 个字母）的单词。

如果您使用 \w^* 字符表达式，您将自动获得 Unicode 支持，因此它适用于 Apple（实际上是 ICU）支持的多种语言。

是这样的：

NSString *stringWithLongWords = @"There are some words of extended length in this text. One of them is Escher's. They will be identified with a regular expression and changed for some arbitrary word.";

NSString *overSixCharsPattern = @"(?w)\\b[\\w]{7,}\\b";
NSString *replacementString   = @"hello";

NSString *result = [stringWithLongWords stringByReplacingOccurrencesOfString: overSixCharsPattern
                                                                  withString: replacementString
                                                                     options: NSRegularExpressionSearch
                                                                       range: NSMakeRange(0, stringWithLongWords.length)];

\b 表达式表示单词边界，确保匹配和替换整个单词。 w 修饰符使\b 使用更自然的单词边界定义。具体来说，它处理字符串“Escher's”，@NikolaiRuhe 提到的示例。文档here，具体讨论了边界检测here。

还要注意，文字 NSString（即，您直接在 Objective-C 源文件中输入的）需要在源代码中使用两个反斜杠来在生成的字符串中生成一个。

NSString documentation有更多信息

^* 从技术上讲，\w 匹配单词字符，其中还包括正则表达式使用的定义中的数字。