一个统计文章字数的算法，求改进

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了一个统计文章字数的算法，求改进，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1270字，纯文字阅读大概需要2分钟。

内容图文

原文链接：http://www.cnblogs.com/tracydj/archive/2010/10/20/1856548.html

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 S_i 进行如下处理，求该段的词数 C_i：

　　2.1）统计该段中连续非中文词（包括标点）出现的次数 E_i。

　　　　 （例如对于 "abc好吗？abc很好。" 这个文本中，E_i = 2。）

　　2.2）统计该段中中文字符（包括标点）的字数 Z_i。

　　　　 （例如对于 "abc好吗？abc很好。" 这个文本中，Z_i = 6。）

　　2.3）该段中的单词数即为 C_i = E_i+Z_i。

　　　　 （根据上面的例子，C_i = 8。）

3）整篇文章的单词数 Count = ∑C_i。

 

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

内容总结

以上是互联网集市为您收集整理的一个统计文章字数的算法，求改进全部内容，希望文章能够帮你解决一个统计文章字数的算法，求改进所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---