从字符串中删除指定的标点符号

Question

我有一个字符串需要转换为String[]，其中每个单词都在字符串中。但是，我不需要任何空格或任何标点符号，除了属于单词的连字符和撇号。

示例输入：

Hello! This is a test and it's a short-er 1. - [ ] { } ___)

从输入中生成的数组示例：

[ "Hello", "this", "is", "a", "test", "and", "it's", "a", "short-er", "1" ]

目前，这是我尝试过的代码:

（注意：当调用string.First()时，第二个代码会导致错误）：

private string[] ConvertWordsFromFile(String NewFileText)
{
     char[] delimiterChars = { ' ', ',', '.', ':', '/', '|', '<', '>', '/', '@', '#', '$', '%', '^', '&', '*', '"', '(', ')', ';' };
     string[] words = NewFileText.Split(delimiterChars, StringSplitOptions.RemoveEmptyEntries);
     return words;
}

或者

private string[] ConvertWordsFromFile(String NewFileText)
{     
    return Regex.Split(NewFileText, @"\W+");
}

第二个示例会因以下代码而崩溃。

private string GroupWordsByFirstLetter(List<String> words)
{
    var groups =
        from w in words
        group w by w.First();
    return FormatGroupsByAlphabet(groups);
}

具体来说，当调用w.First()时。

- James Thompson

---

你的实际问题是什么？ - Enigmativity

如何删除除连字符和撇号之外的所有标点符号，这些符号在单词中间（并且属于该位置）？ - James Thompson

在詹姆斯的问题中，如何确定撇号是否“合法”？ - avishayp

Answer 1

从字符串中删除不需要的字符

string randomString = "thi$ is h@ving s*me inva!id ch@rs";
string excpList ="$@*!";

LINQ选项1

var chRemoved = randomString
                  .Select(ch => excpList.Contains(ch) ? (char?)null : ch);

var Result = string.Concat(chRemoved.ToArray());    

LINQ选项2

var Result = randomString.Split().Select(x => x.Except(excList.ToArray()))
                                      .Select(c => new string(c.ToArray()))
                                      .ToArray();

- Prabhu Murthy

---

但是它并不返回一个字符串数组。我该如何将其转换为字符串数组？另外，我不太熟悉linq，但我更喜欢使用它。 - James Thompson

这段代码也会导致类似于第二个例子的错误。我将把冲突的代码添加到问题中。 - James Thompson

你不应该在查询中使用“first”。大多数情况下，你的结果中可能有或可能没有元素。 - Prabhu Murthy

@james，我简直不敢相信我把“group”读成了“sort”。我得去睡觉了，请检查我的编辑。 - Prabhu Murthy

这仍然不完全正确，但我相信这是比我之前的代码更好的。感谢您的所有帮助。 - James Thompson

Answer 2

这是我准备的一点东西。基于\n拆分并删除任何不需要的字符。

    private string ValidChars = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ123456789'-";
    private IEnumerable<string> SplitRemoveInvalid(string input)
    {
        string tmp = "";
        foreach(char c in input)
        {
            if(c == '\n')
            {
                if(!String.IsNullOrEmpty(tmp))
                {
                    yield return tmp;
                    tmp = "";
                }
                continue;
            }
            if(ValidChars.Contains(c))
            {
                tmp += tmp;
            }
        }
        if (!String.IsNullOrEmpty(tmp)) yield return tmp;
    }

使用方法可能是这样的：

    string[] array = SplitRemoveInvalid("Hello! This is a test and it's a short-er 1. - [ ] { } _)")
                     .ToArray();

我实际上没有测试过它，但应该可以工作。如果不能，修复起来应该很容易。

- caesay

Answer 3

这可以通过使用正则表达式来轻松完成，通过匹配单词。我正在使用以下正则表达式，它将允许连字符和撇号出现在单词中间，但如果它们出现在单词边界处，则会将它们剥离。

\w(?:[\w'-]*\w)?

在这里查看它的运行情况。

在C#中，它可能看起来像这样：

private string[] ConvertWordsFromFile(String NewFileText)
{
     return (from m in new Regex(@"\w(?:[\w'-]*\w)?").Matches(NewFileText)
             select m.Value).ToArray();
}

我正在使用LINQ从Matches返回的MatchCollection中获取一个单词数组。

- Cu3PO42

Answer 4

使用string.Split(char[])

string strings = "4,6,8\n9,4";
string [] split = strings .Split(new Char [] {',' , '\n' });

或者

如果你得到任何不想要的空项，尝试以下方法。 String.Split 方法 (String[], StringSplitOptions)

string [] split = strings .Split(new Char [] {',' , '\n' }, 
                                 StringSplitOptions.RemoveEmptyEntries);

- sajanyamaha

---

这并不是 OP 想要的。 - caesay