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