一个统计文章字数的算法,求改进
作者:互联网
原文链接:http://www.cnblogs.com/tracydj/archive/2010/10/20/1856548.html
{
var sec = Regex.Split(value, @"\s");
int count = 0;
foreach (var si in sec)
{
int ci = Regex.Matches(si, @"[\u0000-\u00ff]+").Count;
foreach (var c in si)
if ((int)c > 0x00FF) ci++;
count += ci;
}
return count;
}
近日在做富文本编辑器时,希望将编辑器的字符统计功能改进成字数统计。
其中最重要的当然是解决如何统计中英文混合情况下的字数。
我的思路是:
1)先根据空白字符把文章分解为若干个段,分解得到的各段中的文本已不包含空白字符。
2)遍历对分解得到的各段,对每段 Si 进行如下处理,求该段的词数 Ci:
2.1)统计该段中连续非中文词(包括标点)出现的次数 Ei。
(例如对于 "abc好吗?abc很好。" 这个文本中,Ei = 2。)
2.2)统计该段中中文字符(包括标点)的字数 Zi。
(例如对于 "abc好吗?abc很好。" 这个文本中,Zi = 6。)
2.3)该段中的单词数即为 Ci = Ei+Zi。
(根据上面的例子,Ci = 8。)
3)整篇文章的单词数 Count = ∑Ci。
在假设文章中仅出现英文字符和中文字符的情况下,划定 Unicode <= 0x00FF 的字符为英文字符,Unicode > 0x00FF 的字符为中文字符。
从而得到如下程序:
int WordCount(string value){
var sec = Regex.Split(value, @"\s");
int count = 0;
foreach (var si in sec)
{
int ci = Regex.Matches(si, @"[\u0000-\u00ff]+").Count;
foreach (var c in si)
if ((int)c > 0x00FF) ci++;
count += ci;
}
return count;
}
附上测试程序 /Files/tracydj/WordCountPerformance.rar
如果你还有好的思路和方法,请和大家一起分享。
转载于:https://www.cnblogs.com/tracydj/archive/2010/10/20/1856548.html
标签:字符,Ci,abc,int,字数,ci,算法,文章,该段 来源: https://blog.csdn.net/weixin_30917213/article/details/97825536