c# - 将文本拆分为单词 : Separators

Question

我刚刚使用 iTextSharp 从 pdf 中获取所有文本，现在我需要将该文本拆分为单词。我以前使用 Acrobat 库，它会自动将它分成单词(使用 getPageNthWord())。

我不知道使用了哪个标准，但现在我需要知道如何将文本拆分为单词。我将拆分不同语言的文本，因此我需要拆分为每个可能的分隔符。

我看到了 Char.IsSeparator() 方法，但对每个字符使用该方法意味着循环，这将是低效的。

到目前为止，我所得到的是手动指定要在 .Split() 中使用的分隔符:

separators = " .,;:-(){}[]/\'""?¿!¡" & Convert.ToChar(9) & NewLine()

有什么地方可以检索公共(public)分隔符？

Answer 1

您可以使用 string.Split method带空参数:

If the separator parameter is null or contains no characters, white-space characters are assumed to be the delimiters. White-space characters are defined by the Unicode standard and return true if they are passed to the Char.IsWhiteSpace method.

或者关注MSDN sample并获取所有 char.IsSeparator() 个字符。