¿Cómo obtener todas las palabras de una cadena en C#?

Question

Tengo un párrafo en una sola cadena y me gustaría obtener todas las palabras en ese párrafo.

Mi problema es que no quiero las palabras sufijos que terminan con signos de puntuación como (',', '.', '' ',' "','; ',': ','! ' '?') y/n/t etc

Asimismo, no quiero decir con' s 'y m tal como world's donde sólo debería devolver mundo.

En el ejemplo he said. "My dog's bone, toy, are missing!"

la lista debería ser: he said my dog bone toy are missing

Answer 1

Ampliando Shan's answer, consideraría algo así como un punto de partida:

MatchCollection matches = Regex.Match(input, @"\b[\w']*\b"); 

Por qué incluir el carácter '? Porque esto evitará que las palabras como "nosotros" se dividan en dos palabras. Después de capturarlo, puede quitar manualmente el sufijo usted mismo (mientras que de lo contrario, no podría reconocer que re no es una palabra e ignorarlo).

Así:

static string[] GetWords(string input) 
{ 
    MatchCollection matches = Regex.Matches(input, @"\b[\w']*\b"); 

    var words = from m in matches.Cast<Match>() 
       where !string.IsNullOrEmpty(m.Value) 
       select TrimSuffix(m.Value); 

    return words.ToArray(); 
} 

static string TrimSuffix(string word) 
{ 
    int apostropheLocation = word.IndexOf('\''); 
    if (apostropheLocation != -1) 
    { 
     word = word.Substring(0, apostropheLocation); 
    } 

    return word; 
} 

Ejemplo de entrada:

he said. "My dog's bone, toy, are missing!" What're you doing tonight, by the way?

Ejemplo de salida:

[he, said, My, dog, bone, toy, are, missing, What, you, doing, tonight, by, the, way]

Una limitación de este enfoque es que no va a manejar bien acrónimos; por ejemplo, "Y.M.C.A." Sería tratado como cuatro palabras. Creo que también podría manejarse incluyendo . como un personaje que coincida en una palabra y luego quitándolo si es un punto final después (es decir, verificando que es el único período en la palabra, así como el último carácter)

Answer 2

Ver Regex word boundary expressions, What is the most efficient way to count all of the words in a richtextbox?. La moraleja de la historia es que hay muchas maneras de abordar el problema, pero las expresiones regulares son probablemente el camino a seguir para simplificar.

Answer 3

dividir en espacios en blanco, recorte cualquier cosa que no sea una letra en las cadenas resultantes.

Answer 4

la esperanza que esto sea útil para usted:

 string[] separators = new string[] {",", ".", "!", "\'", " ", "\'s"}; 
     string text = "My dog's bone, toy, are missing!"; 

     foreach (string word in text.Split(separators, StringSplitOptions.RemoveEmptyEntries)) 
      Console.WriteLine(word); 

Answer 5

Aquí es un método de bucle reemplazar ... no es rápido, sino una manera de resolverlo ...

string result = "string to cut ' stuff. ! out of";

".',!@".ToCharArray().ToList().ForEach(a => result = result.Replace(a.ToString(),""));

Esto supone que desea colocarlo de nuevo en la cadena original , no una nueva cadena o una lista.