如何计算 C# 中字符串中两个单词的出现次数？

Question

我用这样的正则表达式做了一个单词版本：

public Dictionary<string, int> MakeOneWordDictionary(string content)
{
    Dictionary<string, int> words = new Dictionary<string, int>();
    // Regex checking word match
    var wordPattern = new Regex(@"\w+");
    // Refactor text and clear it from punctuation marks
    content = RemoveSigns(content);
    foreach (Match match in wordPattern.Matches(content))
    {
        int currentCount = 0;
        words.TryGetValue(match.Value, out currentCount);
        currentCount++;
        words[match.Value] = currentCount;
    }
    return words;
}

这段代码 returns 个单词及其在字典中的出现频率。我现在需要这个的两个单词版本。这将计算字符串中两个单词的出现次数。

我应该修改正则表达式吗？如果是我该如何修改？

Answer 1

我认为这可以在没有 RegExp 的情况下以更自我解释的方式编写。

string input = "a a b test a a";
string[] words = input.Split(' ');

var combinations = from index in Enumerable.Range(0, words.Length-1)
                   select new Tuple<string,string>(words[index], words[index+1]);

var groupedTuples = combinations.GroupBy(t => t);
var countedCombinations = groupedTuples.Select(g => new { Value = g.First(), Count = g.Count()});

前两行定义输入并用空格分隔，即将其分隔成单个单词。第三行遍历从第一个到 (N-1)th 元素的单词数组（其中 N 是单词的数量）并构建一个 n-th 和 [=15= 的元组] 元素。在第四行中，这些元组被自己分组（两个具有相同元素的元组被认为是相等的）。在最后 step/line 中，对每个组的元素进行计数，并将计数与它们各自的值一起存储在匿名类型的变量中。

此逻辑也可以应用于您的 RegExp 版本。

编辑：要获取字典，就像在您的示例中一样，您可以使用 ToDictionary 扩展方法

var countedCombinations = groupedTuples.ToDictionary(g => g.First(), g => g.Count());

第一个参数是键的选择器方法，第二个参数是值的选择器方法。

如何计算 C# 中字符串中两个单词的出现次数？

How can I count occurences of two words following each other in a string in C#?

c#

regex

word-frequency