计算RichTextbox中所有单词的最有效方法是什么？

StackOverflow https://stackoverflow.com/questions/2226161

题

我正在编写文本编辑器，需要提供现场单词计数。现在，我正在使用此扩展方法： 

 public static int WordCount(this string s)
    {
        s = s.TrimEnd();
        if (String.IsNullOrEmpty(s)) return 0;
        int count = 0;
        bool lastWasWordChar = false;
        foreach (char c in s)
        {
            if (Char.IsLetterOrDigit(c) || c == '_' || c == '\'' || c == '-')
            {
                lastWasWordChar = true;
                continue;
            }
            if (lastWasWordChar)
            {
                lastWasWordChar = false;
                count++;
            }
        }
        if (!lastWasWordChar) count--;
        return count + 1;
    }

我已经设置了它，以便单词计数在第十秒的每一秒钟都在RichTextbox的文本上运行（如果选择启动与上次方法播放的情况不同）。问题在于，在处理很长的文件时，单词计数会慢。为了解决这个问题，我正在考虑只在当前段落上运行单词计数，每次记录单词计数，并将其与上次count count运行的单词计数进行比较。然后，将两者之间的差异添加到总单词计数中。这样做会导致许多并发症（如果用户粘贴，如果用户删除了段落，ECT。）这是改善我的单词计数的逻辑方式吗？还是我不知道哪些东西会使它变得更好？

编辑：在另一个线程上运行单词计数是否有效？我对线程的了解不多，会研究。

我使用的示例文本：

有帮助吗？

解决方案

您可以根据白空间进行更简单的单词计数：

public static int WordCount(this string s)
{
  return s.Split(new char[] {' '}, 
    StringSplitOptions.RemoveEmptyEntries).Length;
}

MSDN提供了此示例, ，应该在大文件上给您准确的单词计数。

其他提示

您还可以使用一个非常简单的正则态度，该正则认为至少一个单词字符和/或撇号来捕获收缩：

public static int WordCount(this string s) 
{
    return Regex.Matches(s, @"[\w']+").Count;
}

这将返回2141匹配（在这种情况下，这实际上比单词更正确，因为单词将单个星号计算为句子中的单词“通过用手指刺a *”）。

您的方法实际上比提议更快 String.Split 方法，实际上在x86上快了近三倍，x64的速度快两倍以上。我怀疑jit弄乱了您的时间，始终运行您的微晶测量，因为JIT会占据 绝大多数 在您的第一次跑步期间的时间。因为 String.Split 已经不需要，不需要将其编译到本机代码，因此似乎会更快。

更不用说它也更准确 String.Split 将在这里计算7个单词：

测试：：这是一个测试

这也有道理 String.Split 没有执行任何魔法，如果创建许多字符串的数组比简单地迭代字符串中的单个字符更快，我会感到非常惊讶。当我尝试时，在弦上供应弦显然已经得到了高度优化 unsafe 指针算术，实际上比简单的一点慢一点 foreach. 。我真的怀疑有什么方法可以更快地执行此操作，除了明智地了解文本中的哪些部分需要单词计数。

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top