从单词列表中替换字符串中的多个单词

Question

我有一个单词列表：

string[] BAD_WORDS = { "xxx", "o2o" } // 实际上我的列表有很多，大约100个单词

而我有一些文本（通常很短，最多250个单词），我需要从中删除所有的 BAD_WORDS。

我已经尝试了这个方法：

    foreach (var word in BAD_WORDS)
    {
        string w = string.Format(" {0} ", word);
        if (input.Contains(w))
        {
            while (input.Contains(w))
            {
                input = input.Replace(w, " ");
            }
        }
    }

但是，如果文本以不良词语开头或结尾，则不会被删除。 我使用了空格，因此它不会匹配部分单词，例如"oxxx"不应该被删除，因为它不是与不良词汇的完全匹配。

有人可以就此向我提供建议吗？

- Rafael Herscovici

---

看起来需要用正则表达式来解决。 - Oded

你为什么要包含这行代码 string w = string.Format(" {0} ", word);？ - Nikhil Agrawal

你的问题是什么，你的代码看起来很好？只需删除if并使用startswith和endswith即可。 - Peter

@Nikhil Agrawal：在单词前后加上空格。如果只保留单词，它也会匹配例如 oxxx。 - Tudor

你的 if 是不必要的。最好从 while 开始，以避免第一次检查两次。 - Tim S.

Answer 1

string cleaned = Regex.Replace(input, "\\b" + string.Join("\\b|\\b",BAD_WORDS) + "\\b", "")

- shannon

---

等一下，我错过了什么...正在工作中...好了，修好了。 :) - shannon

嘿... :) 谢谢Dementic。照我说的做，不要照我做的。我只是想说所有的嵌套、LINQ 和循环都有一个简单的老式/经过实践验证的方法。 - shannon

如果替换需要多次进行，生成的正则表达式可以缓存以供重复使用。我建议使用Regex.Escape，以防BAD_WORDS中包含对正则表达式语法有重大意义的内容。 - Jon Hanna

也许代码不是完美的，正如其他人指出需要改进的地方，但是使用正则表达式单词边界而不是分割，值得点赞。 - Tim S.

Answer 2

这是一个很适合使用Linq和Split方法的任务。尝试以下代码：

return string.Join(" ", input.Split(' ').Where(w => !BAD_WORDS.Contains(w)));

- James Ellis-Jones

---

只要空格足够，这个方法就可以匹配到单词。但是如果单词在开头或结尾，或者后面跟着换行符、标点符号等，则无法匹配。如果需要处理这种情况，使用基于正则表达式的方法会更好。 - Jon Hanna

这会在单词之间添加额外的空格，我不知道为什么。 - Professor Zoom

空字符串正在与其他项两侧的空格连接。我已编辑答案（现在更整洁！） - James Ellis-Jones

Answer 3

在字符串变量input的前后添加虚假空格，这样它就能检测到第一个和最后一个单词。

input = " " + input + " ";

 foreach (var word in BAD_WORDS)
    {
        string w = string.Format(" {0} ", word);
        if (input.Contains(w))
        {
            while (input.Contains(w))
            {
                input = input.Replace(w, " ");
            }
        }
    }

然后把字符串截取：

input = input.Trim();

- Jeremy Thompson

---

那是个好主意，那会修复我的代码，但是难道没有更好的解决方案吗？这段代码对我来说有点奇怪，我写它只是因为没有其他想法。 - Rafael Herscovici

Answer 4

您可以将文本中的单词存储到一个列表中。然后只需检查所有单词是否在不良列表中，类似于这样：

List<string> myWords = input.Split(' ').ToList();
List<string> badWords = GetBadWords();

myWords.RemoveAll(word => badWords.Contains(word));
string Result = string.Join(" ", myWords);

- Antonio Bakula

Answer 5

您可以使用StartWith和EndsWith方法，例如：

while (input.Contains(w) || input.StartsWith(w) || input.EndsWith(w) || input.IndexOf(w) > 0)
{
   input = input.Replace(w, " ");
}

希望这能解决你的问题。

- Kundan Singh Chouhan

---

你是不是想说“或”而不是“且”？根据你的测试，它必须同时开始、结束和包含这个单词。 - Tudor

这将仍然捕获部分单词（badword ='aoooo'，实际单词='aoooome'，它将删除'aoooo'）。 - Rafael Herscovici

Answer 6

我想强调一下，你应该在for循环内部使用while来完成：

   foreach (var word in BAD_WORDS)
{
    while (input.Contains(String.Format(" {0} ", word);))
    {
        input = input.Replace(w, " ");
    }
}

不需要那个if和'w'变量，在任何情况下，我都会使用上面Antonio Bakula的答案，这是我想到的第一件事。

- David Limkys

---

你正在尝试替换你已经从代码中删除的 w。 没有 w，它将替换部分单词匹配。 - Rafael Herscovici

Answer 7

根据以下帖子，最快的方法是使用正则表达式和MatchEvaluator函数来替换字符串中的多个字符： 在字符串中替换多个字符，最快的方法是什么？

        Regex reg = new Regex(@"(o2o|xxx)");
        MatchEvaluator eval = match =>
        {
            switch (match.Value)
            {
                case "o2o": return " ";
                case "xxx": return " ";
                default: throw new Exception("Unexpected match!");
            }
        };
        input = reg.Replace(input, eval);

- Yanga