Word Count Algorithm in C#

Question

Я ищу хороший класс слов или функцию. Когда я копирую и вставляю что-то из Интернета и сравниваю его с моим обычным алгоритмом подсчета слов и MS Word, он всегда отключается чуть более 10%. Я думаю, что это слишком много. Так вы, ребята, знаете о точном алгоритме подсчета слов в C#.

Answer 1

String.Split по предопределенным символам. Используйте пунктуации, пробелы (удалить несколько пробелов) и любые другие символы, которые вы определяете как «разбиение слов»

Что вы пробовали?

Я видел, что предыдущий пользователь получил гвозди для ссылок, но вот несколько примеров использования регулярных выражений или соответствия символов. Надеюсь, что это помогает, и никто не пострадает Х-)

String.Split Method (Char[])

Word counter in C#

C# Word Count

Answer 2

Как @astander предполагает, вы можете сделать String.split следующим образом:

string[] a = s.Split(
    new char[] { ' ', ',', ';', '.', '!', '"', '(', ')', '?' }, 
    StringSplitOptions.RemoveEmptyEntries); 

Пройдя в массив символов, вы можете разбить на несколько разрывов слов. Удаление пустых записей не позволит вам подсчитывать слова, отличные от слов.

Answer 3

Вы также должны проверить на newlines, tabs и non-breaking spaces. Лучше всего скопировать исходный текст в StringBuilder и заменить все символы новой строки, табуляции и символы окончания предложения пробелами. Затем разделите строку на пробелы.

Answer 4

Я только что была такая же проблема в ClipFlair, где мне нужно, чтобы вычислить WPM (слов в минуту) для Movie Captions, поэтому я придумал следующий:

Вы можете определить этот статический метод расширения в статическом классе, а затем добавить предложение use в пространство имен этого статического класса в любом классе, который должен использовать этот метод расширения. Метод расширения вызывается с помощью s.WordCount(), где s представляет собой строку (идентификатор [переменная/постоянная] или буквальным)

public static int WordCount(this string s) 
{ 
    int last = s.Length-1; 

    int count = 0; 
    for (int i = 0; i <= last; i++) 
    { 
    if (char.IsLetterOrDigit(s[i]) && 
     ((i==last) || char.IsWhiteSpace(s[i+1]) || char.IsPunctuation(s[i+1]))) 
     count++; 
    } 
    return count; 
} 

Answer 5

Используйте регулярное выражение для поиска слова (например, [\ W] +) и просто сосчитать матчи

public static Regex regex = new Regex(
    "[\\w]+", 
RegexOptions.Multiline 
| RegexOptions.CultureInvariant 
| RegexOptions.Compiled 
); 

regex.Match (_someString) .Count

Answer 6

Вот урезанная версия класса C# кода я сделал для подсчета слов, азиатских слов, Charaters и т.д. Это почти то же самое как Microsoft Word. Я разработал оригинальный код для подсчета слов для документов Microsoft Word.

using System; 
    using System.Collections.Generic; 
    using System.Linq; 
    using System.Text; 
    using System.Text.RegularExpressions; 
    namespace BL { 
    public class WordCount 
    { 

    public int NonAsianWordCount { get; set; } 
    public int AsianWordCount { get; set; } 
    public int TextLineCount { get; set; } 
    public int TotalWordCount { get; set; } 
    public int CharacterCount { get; set; } 
    public int CharacterCountWithSpaces { get; set; } 


    //public string Text { get; set; } 

    public WordCount(){} 

    ~WordCount() {} 


    public void GetCountWords(string s) 
    { 
     #region Regular Expression Collection 
     string asianExpression = @"[\u3001-\uFFFF]"; 
     string englishExpression = @"[\S]+"; 
     string LineCountExpression = @"[\r]+"; 
     #endregion 


     #region Asian Character 
     MatchCollection asiancollection = Regex.Matches(s, asianExpression); 

     AsianWordCount = asiancollection.Count; //Asian Character Count 

     s = Regex.Replace(s, asianExpression, " "); 

     #endregion 


     #region English Characters Count 
     MatchCollection collection = Regex.Matches(s, englishExpression); 
     NonAsianWordCount = collection.Count; 
     #endregion 

     #region Text Lines Count 
     MatchCollection Lines = Regex.Matches(s, LineCountExpression); 
     TextLineCount = Lines.Count; 
     #endregion 

     #region Total Character Count 

     CharacterCount = AsianWordCount; 
     CharacterCountWithSpaces = CharacterCount; 

     foreach (Match word in collection) 
     { 
      CharacterCount += word.Value.Length ; 
      CharacterCountWithSpaces += word.Value.Length + 1; 
     } 

     #endregion 

     #region Total Character Count 
     TotalWordCount = AsianWordCount + NonAsianWordCount; 
     #endregion 
    } 
} 
}