【问题标题】：Removing words with special characters in them删除带有特殊字符的单词
【发布时间】：2012-05-30 23:43:09
【问题描述】：

我有一个由许多不同单词组成的长字符串。

我想遍历所有这些，如果单词包含特殊字符或数字（'-' 除外），或者以大写字母开头，我想删除它（整个单词不只是那个字符） .出于所有意图和目的，“外来”字母都可以算作特殊字符。

显而易见的解决方案是循环遍历每个单词（拆分后），然后循环遍历每个字符 - 但我希望有更快的方法吗？也许使用正则表达式，但我几乎没有使用它的经验。

谢谢

添加：

（例如我想要的：）

输入：“this Is an Example of 5 words in an input like-so from example.com”

输出：{this,an,of,words,in,an,input,like-so,from}

（到目前为止我已经尝试过）

List<string> response = new List<string>();

string[] splitString = text.Split(' ');

foreach (string s in splitString)
{
    bool add = true;
    foreach (char c in s.ToCharArray())
    {
         if (!(c.Equals('-') || (Char.IsLetter(c) && Char.IsLower(c))))
         {
             add = false;
             break;
         }
         if (add)
         {
             response.Add(s);
         }
    }
}

编辑 2：

对我来说，单词应该是由空格分隔的多个字符 (a..z)。 ,/./!/... 最后不应计入“特殊字符”条件（实际上主要是为了删除 url 等）

所以： “我看到一条狗。它是黑色的！” 应该导致 {saw,a,dog,was,black}

【问题讨论】：

真的有必要吗？我认为我的问题完全可以理解。
我们并不是要你把你的整个项目放在这里。您说“我有一个长字符串..” 将字符串的某些部分放在您希望进行检查的地方。然后告诉我们这个foo 单词应该检查bar 条件，结果输出应该是FooBar
@NikhilAgrawal 大多数程序员都能够将功能请求（“文学”）翻译成代码 - 阅读没有什么问题吗？也许 Aabela 在编写任何代码之前 正在考虑一个解决方案，这非常有意义。
@Aabela，请定义“单词”。 foo. 是单词还是单词后跟句号？ 123、. 或 !#%& 是一个词吗（要删除）？
嗯，我希望它是“一个单词后跟一个句点”，但我没有考虑过这个问题 - 我只是用空格分隔它们 - 但我真的应该修复 .和 , 在结尾处。

标签： c# regex string

【解决方案1】：

那么您想查找所有仅包含字符a-z 或- 的“单词”，用于以空格分隔的单词？

这样的正则表达式会找到这样的词：

(?<!\S)[a-z-]+(?!\S)

为了还允许以单个标点符号结尾的单词，您可以使用：

(?<!\S)[a-z-]+(?=[,.!?:;]?(?!\S))

示例（ideone）：

var re = @"(?<!\S)[a-z-]+(?=[,.!?:;]?(?!\S))";
var str = "this, Is an! Example of 5 words in an input like-so from example.com foo: bar?";

var m = Regex.Matches(str, re);

Console.WriteLine("Matched: ");
foreach (Match i in m)
    Console.Write(i + " ");

注意字符串中的标点符号。

输出：

Matched: 
this an of words in an input like-so from foo bar

【讨论】：

我试过这个，它似乎工作得很好。但是，它会过滤掉以标点符号结尾的单词。是否可以修改为不检查最后一个字符？
@Aabela，是的，你可以。更新并添加了一个示例。
PS: (?!\S) 只是(?=\s|$) 的一种更短的写法。

【解决方案2】：

这个怎么样？

(?

编辑：意思是(?<=^|\s+)(?<word>[a-z\-]+)(?=(?:\.|,|!|\.\.\.)?(?:$|\s+))

规则：

单词前只能有行首或一定数量的空白字符
单词后面只能跟行尾或一定数量的空白字符（Edit 支持以句点、逗号、感叹号和省略号结尾的单词）
Word 只能包含小写（拉丁）字母和破折号

包含每个单词的命名组是“word”

【讨论】：

使用这个和解释我能够扩展它以允许单词后面也可以跟标点符号。谢谢。
没问题。我刚刚意识到标点符号的问题并想出了(?<=^|\s+)(?[a-z-]+)(?=$|\s+|\.|,|!|\.\.\.)。那是你扩展它的样子吗？
@MarkM：该模式无法编译。你不是错过了什么吗？我的意思是你提到的(?<=^|\s+)(?[a-z-]+)(?=$|\s+)或(?<=^|\s+)(?[a-z-]+)(?=$|\s+|\.|,|!|\.\.\.)中的named group在哪里？
啊，是的，你是对的 - 复制错误。我的意思是(?<=^|\s+)(?<word>[a-z\-]+)(?=$|\s+|\.|,|!|\.\.\.)。感谢您指出这一点。
正则表达式 regex2 = 新正则表达式 ("(?

【解决方案3】：

看看微软的How to: Search Strings Using Regular Expressions (C# Programming Guide) - 它是关于 C# 中的正则表达式的。

【讨论】：

我看了看，但我得到的印象是我仍然需要一次循环一个单词。这是我试图避免的。

【解决方案4】：

List<string> strings = new List<string>() {"asdf", "sdf-sd", "sdfsdf"};

for (int i = strings.Count-1; i > 0; i--)
{
   if (strings[i].Contains("-"))
   {
       strings.Remove(strings[i]);
   }
}

【讨论】：

【解决方案5】：

这可能是一个起点。现在它只检查“。”作为一个特殊的字符。这输出：“this an of words in an like-so from”

        string pattern = @"[A-Z]\w+|\w*[0-9]+\w*|\w*[\.]+\w*";
        string line = "this Is an Example of 5 words in an in3put like-so from example.com";

        System.Text.RegularExpressions.Regex r = new System.Text.RegularExpressions.Regex(pattern);
        line = r.Replace(line,"");

【讨论】：

【解决方案6】：

您可以通过两种方式做到这一点，白名单方式和黑名单方式。使用白名单，您可以定义您认为可以接受的字符集，而使用黑名单则相反。

让我们假设白名单方式并且您只接受字符a-z、A-Z 和- 字符。此外，您还有规则，单词的第一个字符不能是大写字符。

有了这个，你可以做这样的事情：

string target = "This is a white-list example: (Foo, bar1)";

var matches = Regex.Matches(target, @"(?:\b)(?<Word>[a-z]{1}[a-zA-Z\-]*)(?:\b)");

string[] words = matches.Cast<Match>().Select(m => m.Value).ToArray();

Console.WriteLine(string.Join(", ", words));

输出：

// is, a, white-list, example

【讨论】：

不能按预期工作，例如 example.com（example 和 com 将匹配）或 123-fail（fail 将匹配）。
是的，这个解决方案使用单词边界而不是空格。我在阅读更新之前发布了这个，因为其他答案解决了更新的问题，所以我没有费心更新。

【解决方案7】：

您可以使用前瞻和后瞻来执行此操作。这是一个与您的示例匹配的正则表达式：

(?<=\s|^)[a-z-]+(?=\s|$)

解释是：匹配一个或多个字母字符（仅小写，加上连字符），只要字符前面是空格（或字符串的开头），只要后面是空格或字符串的结尾。

您现在需要做的就是将其插入System.Text.RegularExpressions.Regex.Matches(input, regexString) 以获取您的单词列表。

参考：http://www.mikesdotnetting.com/Article/46/CSharp-Regular-Expressions-Cheat-Sheet

【讨论】：