我需要从行中提取字符串（来自列表）

Question

我正在尝试提取作为列表项的“字符串”。有 200 行我需要从中提取作为列表项的字符串，所述列表中有 54474 个项，我正在传递要从中提取列表项作为子字符串的行存在。我将两者都作为参数传递给函数，如下所示：-

private static string FindMatchingSkill(string line, List<string> skillsfromMongoDB)
    {
        StringBuilder builtString = new StringBuilder();
        foreach (var item in skillsfromMongoDB)
        {
                string temp = " " + item;
                builtString.Append(line.Substring(line.IndexOf(temp), temp.Length).Trim() + ", ");
        }
        return builtString.ToString();
    }

Answer 1

您要做的第一件事是不要对原始字符串进行子串化，而是从列表中打印出项目。
而不是：

Console.WriteLine(line.Substring(line.IndexOf(item), item.Length).Trim() + ", ");

使用

Console.Write(item +", ");

但要做到这一点，您只需要获取实际在字符串中的项目，因此您的循环应该是这样的：

foreach (var item in data.Where(i => line.IndexOf(i) > -1)

这可能会给您留下一些误报，因为如果该行包含javascript 而不是java，您将得到两者。

所以下一步是确定什么是完整的世界，什么不是 - 现在这可能是个问题，因为 dot net 是两个词，但它只是一个项目。此外，原始字符串中的项目可能后跟除空格以外的字符 - 例如逗号、点、分号等。
因此，您不仅需要使用IndexOf，还需要确保您找到的项目不是更大项目的一部分 - 而且由于您的列表项目不限于单个单词，这确实带来了困难。

我可能会建议这样的事情：

foreach (var item in data.Where(i => line.IndexOf(i) > -1 && !Char.IsLetter(line[line.IndexOf(i) + i.Length + 1])  && !Char.IsLetter(line[line.IndexOf(i) - 1]))
{
    Console.Write(item +", ");
}

测试项目后的字符以确保它不是字母。如果是，那么它是一个误报。请注意，由于您的项目可能包含非字母字符，您可能仍然会得到误报 - 如果您在列表中同时拥有 dot net core 和 dot net，但该行只有 dot net core，您将得到 @ 的误报987654332@。但是，这是一个边缘情况，我认为可以忽略它。

Answer 2

这是一个例子：

var result = new Dictionary<string, string[]>();
var searchInLines = new string[200]; // filled with resumes 
var dictionary = new string[50000]; // search dictionary

searchInLines.AsParallel()
    .WithDegreeOfParallelism(Environment.ProcessorCount * 2)
    .Select(searchInLine =>
        {
            result.Add(searchInLine, dictionary.Where(s => searchInLine.Contains(s)).ToArray());
            return string.Empty;
        })
    .ToList();

生成带有“恢复”的字典以找到字典项目。

如果你使用不准确的string.Contains，那么它会在0.2秒内快速生效

如果你使用像Regex.IsMatch(searchInLine, $"\\b{s}\\b")) 这样的正则表达式（查找单词），那么它会在 30 秒内缓慢工作。

选择是你的

Answer 3

data 的列表变大了不好循环。我建议循环通过这条线，因为它更小。考虑到单词之间总是有空格。

List<string> data = new List<string>() { "Delphi", "dot net", "java", "Oracle" }
String line = "Dheeraj has experience in dot net java programming Oracle javascript and Delphi";

foreach (var item in line.Split(new char[] { ' ' }))
{
    // If you use Contains here, it will use sorting and searching the keyword
    if(data.Contains(item))
    {
        Console.WriteLine(item);
    }
}