在 C# 中拆分包含英语和希伯来语的字符串

Question

我有这个字符串：

string str = "לא קיימת תוכנה לשליחת מיילים במכשיר, אנא פנה אלינו ישירות ל moshecohen@gmail.com";

我正在尝试按以下方式拆分它：

string[0] = "לא קיימת תוכנה לשליחת מיילים במכשיר, אנא פנה אלינו ישירות ל "
string[1] = "moshecohen@gmail.com"

我正在使用这种拆分方法：

string[] split =  Regex.Split(str, @"^[א-ת]+$");

我想在希伯来语和英语单词之间进行拆分，但是如果最后一个单词与当前单词相同，请将其添加到最后一个

但我不能让它工作，我做错了什么？

谢谢

Answer 1

试试这个：

string[] split = Regex.Split(str, @"(?<=[א-ת]+) (?=[A-z]+)")

?<= - lookbehind - 断言当前位置之前的内容

?= - 前瞻 - 断言紧跟当前位置的内容

这会将字符串“splitter”解析为希伯来字符和拉丁字符之间的位置

Answer 2

这是一种方法：

[\p{IsHebrew}\P{L}]+|\P{IsHebrew}+

将此模式与Regex.Matches 一起使用：

var matches = Regex.Matches(input, @"[\p{IsHebrew}\P{L}]+|\P{IsHebrew}+");

该模式有两个部分。它要么匹配：

• [\p{IsHebrew}\P{L}]+ - 包含希伯来字符和非字母的块，

或

• \P{IsHebrew}+ - 非希伯来语字符块（包括非希伯来语字母和其他非字母字符）。

我们使用Unicode Named Blocks，如\p{IsHebrew} 和\p{IsBasicLatin}。

类似的选项是[\p{IsHebrew}\P{L}]+|[\p{IsBasicLatin}\P{L}]+ - 专门匹配带有拉丁（英文）字母的块。

工作示例：regex storm、C# example

Answer 3

你为什么不这么想？这里的问题是：如何从文本中获取电子邮件。

这个问题有很多帖子。

例如，this

public static void emas(string text)
        {
            const string MatchEmailPattern =
           @"(([\w-]+\.)+[\w-]+|([a-zA-Z]{1}|[\w-]{2,}))@"
           + @"((([0-1]?[0-9]{1,2}|25[0-5]|2[0-4][0-9])\.([0-1]?[0-9]{1,2}|25[0-5]|2[0-4][0-9])\."
             + @"([0-1]?[0-9]{1,2}|25[0-5]|2[0-4][0-9])\.([0-1]?[0-9]{1,2}|25[0-5]|2[0-4][0-9])){1}|"
           + @"([a-zA-Z]+[\w-]+\.)+[a-zA-Z]{2,4})";
            Regex rx = new Regex(MatchEmailPattern,  RegexOptions.Compiled | RegexOptions.IgnoreCase);
            // Find matches.
            MatchCollection matches = rx.Matches(text);
            // Report the number of matches found.
            int noOfMatches = matches.Count;
            // Report on each match.
            foreach (Match match in matches)
            {
                Console.WriteLine(match.Value.ToString());
            }
        }

Answer 4

从您输入的字符串中，我们可以考虑将字符串拆分为希伯来语，并在字符串末尾添加一个电子邮件地址。

那么正则表达式可以是（只是例子）：

\w*@gmail.com$

您可以在这里测试正则表达式：https://regexr.com/

Answer 5

Regex.Split 中的模式与 分隔符 匹配，并且不包含在结果中。看起来你想在最后一个希伯来语和第一个非希伯来语字符之间分开，例如：

Regex.Split(str,@"\p{IsHebrew} \P{IsHebrew}")

\p{} 捕获属于特定Unicode character class or named block 的字符，而\P{} 将其排除在外。

不幸的是，这种模式将排除最后一个希伯来语和第一个非希伯来语字符并返回：

לא קיימת תוכנה לשליחת מיילים במכשיר, אנא פנה אלינו ישירות   
oshecohen@gmail.com 

捕获组用于在结果中包含由分隔符模式捕获的字符。只需使用 (\p{IsHebrew}) (\P{IsHebrew}) 的组将返回每个捕获组作为单独的结果：

לא קיימת תוכנה לשליחת מיילים במכשיר, אנא פנה אלינו ישירות  
ל 
m 
oshecohen@gmail.com 

Vladi Pavelka 使用前向和后向引用解决了这个问题，(?<=\p{IsHebrew}) (?=\P{IsHebrew}) 将返回预期结果：

Regex.Split(str,@"(?<=\p{IsHebrew}) (?=\P{IsHebrew})")

将返回：

לא קיימת תוכנה לשליחת מיילים במכשיר, אנא פנה אלינו ישירות ל 
moshecohen@gmail.com 

Answer 6

为什么不直接使用\p{IsHebrew}？

类似的东西

 string str = "לא קיימת תוכנה לשליחת מיילים במכשיר, אנא פנה אלינו ישירות ל moshecohen@gmail.com";
 string pattern = @"[\p{IsHebrew}]+";
 var hebrewMatchCollection = Regex.Matches(str, pattern);
 string hebrewPart = string.Join(" ", hebrewMatchCollection.Cast<Match>().Select(m => m.Value));  //combine regex collection
 var englishPart = Regex.Split(str, pattern).Last();