Tetszőleges szöveg szavait kigyűjtő algoritmus

Egyedi kereső rendszer fejlesztésénél, vagy statisztikai alkalmazások írásánál hasznos funkció lehet a következő: egy függvénynek megadunk egy tetszőleges szöveget, melyből a függvény kigyűjti a minimum három karakteres szavakat úgy, hogy az eredmény listában minden szó maximum csak egy példányban szerepeljen. További extra lehetőség, hogy megadhatunk egy szó listát, melyben felsorolhatjuk azokat a szavakat, amelyeket nem szeretnénk az eredménylistában látni.

Függvényünk a Split nevet kapta és két paramétert vár: a felbontandó sztringet, valamint azon szavak listáját mely nem kerülhet az eredménybe. Visszatérési értékként egy sztringeket tartalmazó tömbben adja a függvény az eredményt.

private string[] Split(string s, SortedList exclude)
{

Az eredményeket egy SortedList osztályban tároljuk, melybe a sztringek rögtön ABC szerint rendezett formába kerülnek, így a listában történő keresés is gyorsabb lesz.

 SortedList sl = new SortedList();
string tmp = "";

Kezdeményezünk egy ciklust, mely végigmegy a kapott sztring minden karakterén.

 foreach (char c in s)
{

Ha a karakter szám vagy betű, vagy az aláhúzás karakter, akkor azt tároljuk egy átmeneti sztringben.

   if (Char.IsLetterOrDigit(c) || c=='_')
  {
    tmp += c;
  }

Bármi egyéb típusú karakter esetén úgy tekintjük, hogy az adott szó véget ért. Ebben az esetben ellenőrizzük, hogy az adott szó minimum három karakteres-e, vizsgáljuk, hogy van-e már az eredménylistában, mivel oda minden szó csak egy példányba kerülhet. Megnézzük azt is, hogy a szó nem szerepel-e a paraméterként kapott tiltó listán. Ha a szó minden próbált kiállt, csak akkor kerülhet a SortedList elemei közé.

   else
  {
    if (tmp.Length > 2)
    {
      if (sl.IndexOfKey(tmp) == -1)
      {
        if (exclude.IndexOfKey(tmp) == -1)
        {
          sl.Add(tmp, null);
        }
      }
    }
    tmp = "";
  }
}

A ciklus futása után már csak elő kell állítanunk egy sztring tömböt a megfelelő tartalommal. Ehhez a SortedList Keys property-jének CopyTo függvényét használjuk, mellyel egy tömbbe másolhatjuk az ott található elemeket.

 string[] result = new string[sl.Count];
sl.Keys.CopyTo(result, 0);
return result;
}

A függvény felhasználása most már egyszerű: létrehozunk egy tiltó listát a szükséges szavakkal, majd meghívjuk a Split függvényt.

private void button1_Click(object sender, System.EventArgs e)
{
  SortedList exclude = new SortedList();
  exclude.Add("akár", null);
  exclude.Add("ahogy", null);
  exclude.Add("ahol", null);
  exclude.Add("akkor", null);
  listBox1.Items.Clear();
  listBox1.Items.AddRange(Split(textBox1.Text, exclude));
}

Forrás: http://softwareonline.hu/