将句子分成单词,但在C#中使用标点符号有问题

Question

我已经看到了一些类似的问题,但我正在努力实现这一目标.

给定一个字符串,str ="月亮是我们的天然卫星,即它围绕地球旋转!" 我想提取单词并将它们存储在一个数组中.预期的数组元素就是这样.

the 
moon 
is 
our 
natural 
satellite 
i.e. 
it  
rotates 
around 
the 
earth

我尝试使用String.split(','\ t','\ r'),但这不能正常工作.我也尝试删除.和其他标点符号,但我想要一个像"ie"这样的字符串也要解析出来.实现这一目标的最佳方法是什么？我也尝试使用regex.split无济于事.

string[] words = Regex.Split(line, @"\W+");

肯定会欣赏正确方向的一些推动.

Answer 1

正则表达式解决方案.

(\b[^\s]+\b)

如果你真的想修复,去年.上i.e.,你可以用这个.

((\b[^\s]+\b)((?<=\.\w).)?)

这是我正在使用的代码.

  var input = "The moon is our natural satellite, i.e. it rotates around the Earth!";
  var matches = Regex.Matches(input, @"((\b[^\s]+\b)((?<=\.\w).)?)");

  foreach(var match in matches)
  {
     Console.WriteLine(match);
  }

结果:

The
moon
is
our
natural
satellite
i.e.
it
rotates
around
the
Earth

Answer 2

我怀疑你正在寻找的解决方案比你想象的要复杂得多.您正在寻找某种形式的实际语言分析,或者至少是字典,以便您可以确定句点是单词的一部分还是结束句子.你有没有考虑过它可以同时做到这两件事？

考虑添加允许的"包含标点符号的单词"的字典.这可能是解决问题的最简单方法.