小编joh*_*hnv的帖子

我正在编写一个程序来计算文本文件中的单词数,该单词已经是小写并用空格分隔.我想使用字典,只计算字典中的单词IF.问题是字典很大(~100万字),每个文本文件也有~5,000字.因此,我在下面写的代码变得非常慢(在quad i7机器上处理一个文档大约需要15秒).我想知道我的编码是否有问题,以及程序的效率是否可以提高.非常感谢你的帮助.代码如下:

public static string WordCount(string countInput)
        {
            string[] keywords = ReadDic(); /* read dictionary txt file*/

            /*then reads the main text file*/
            Dictionary<string, int> dict = ReadFile(countInput).Split(' ')
                .Select(c => c)
                .Where(c => keywords.Contains(c))
                .GroupBy(c => c)
                .Select(g => new { word = g.Key, count = g.Count() })
                .OrderBy(g => g.word)
                .ToDictionary(d => d.word, d => d.count);

            int s = dict.Sum(e => e.Value);
            string k = s.ToString();
            return k;

        } 

我有一个文本文件存储为字符串变量.处理文本文件,使其仅包含小写单词和空格.现在,假设我有一个静态字典,它只是一个特定单词列表,我想从文本文件中计算字典中每个单词的频率.例如:

Text file:

i love love vb development although i m a total newbie

Dictionary:

love, development, fire, stone

我想看到的输出类似于以下内容,列出字典单词及其计数.如果它使编码更简单,它也只能列出文本中出现的字典单词.

===========

WORD, COUNT

love, 2

development, 1

fire, 0

stone, 0

============

使用正则表达式(例如"\ w +")我可以获得所有单词匹配,但我不知道如何获得也在字典中的计数,所以我被卡住了.效率在这里至关重要,因为字典非常大(~100,000个单词),文本文件也不小(每个~200kb).

我感谢任何帮助.