C# 正则计算中文,数字,英文字数统计方法

因为功能需求,需要实现对于文章字数统计的一个方法编写.此处就不多说.直接进行代码讲解.

先来看看功能实现的字数统计要求: 字数统计区分中英文,一个英文单词为一个字，一个汉字为一个字，一个数字计为一个字.数字算在汉字字数中.简单的描述可以同work中的计算方式相同.

我们先来看看,word中对于字数统计的实现方式.

         中文:中文不管连续还是分开,都是以一个字为一个计算单位.这个比较简单.贴个示意图.

　　

　　　英文:在word中,英文的单词就是看你中间是否有分隔符来统计的.一般都是以空格来分割,不会校验你的单词是否正常.我觉得可以理解为一个英文字符串.有分隔符就算2个,没有连一起就算一个.

　　　　数字:数字的计算方式同英文的一样的.就不做过多的解释,上个示意图,看看效果.

　　　　

　　　　

　　　　

那么在看过word的统计结果之后,我们来看看代码层面的方法应该怎么编写.

         中文:中文字数需要加上数字统计.代码实现如下.

　　

 1  public int GetChineseLeng(string StrContert)
 2         {
 3             if (string.IsNullOrEmpty(StrContert))
 4                 return 0;
 5             //此处进行的是一些转义符的替换,以免照成统计错误.
 6             StrContert = StrContert.Replace("\n", "").Replace("\r", "").Replace("\t", "");
 7             //替换掉内容中的数字,英文,空格.方便进行字数统计.
 8             int iChinese = getByteLengthByChinese(Regex.Matches(StrContert, @"[A-Za-z0-9][A-Za-z0-9'\-.]*").ToString().Replace("　", "").Replace(" ", ""));
 9             return Regex.Matches(StrContert, @"[0-9][0-9'\-.]*").Count + iChinese;//中文中的字数统计需要加上数字统计.
10         }
11         /// <summary>
12         /// 返回字节数
13         /// </summary>
14         /// <param name="s"></param>
15         /// <returns></returns>
16         private int getByteLengthByChinese(string s)
17         {
18             int l = 0;
19             char[] q = s.ToCharArray();
20             for (int i = 0; i < q.Length; i++)
21             {
22                 if ((int)q[i] >= 0x4E00 && (int)q[i] <= 0x9FA5) // 汉字
23                 {
24                     l += 1;
25                 }
26             }
27             return l;
28         }

中文统计代码

(可能有人会问我为什么中文字数统计需要进行字节数组的code码比对.因为我试验过几个正则,发现不是那么有效.这种在计算上是可以有效匹配的,字符集也比较大.如果大家有更好的方式可以留言给我.)

         英文:英文则可以直接使用正则表达式来计算.代码实现如下:

1  public int GetEnglishLeng(string StrContert)
2         {
3             if (string.IsNullOrEmpty(StrContert))
4                 return 0;
5             StrContert = StrContert.Replace("\n", " ").Replace("\r", " ");
6 
7             return Regex.Matches(StrContert, @"[A-Za-z][A-Za-z'\-.]*").Count;
8           
9         }

英文统计

这个就是直接根据正则表达式来匹配英文,是否存在分开或者间隔性的进行字数的统计.英文的计算方式在上文中也做了介绍.这里就不多描述.

 

 

这里还有一个问题需要说明一下.英文计算时,按照案例上来说.我们给的是纯文本的内容.那么不需要进行任何转义符的替换.而当传递过来的是整个HTML的话,在存储和显示上就要进行一道转义操作.而在计算中,我们则需要将这些转义符进行替换.因为照成错误的字数计算.

 

我们来看看带有转义符的计算在word中是个什么效果.

Word中对于这种标示符都记录为一个字数.所以为了在做数据比对时,字数统计要达到正常的情况.则需要进行一次转义符的替换.

代码如下:

 1 public static int GetEnglishLeng(string StrContert)
 2         {
 3             if (string.IsNullOrEmpty(StrContert))
 4                 return 0;
 5             StrContert = StrContert.Replace("&", " ");
 6             string[] arrSplit = Helpers.GetAppSettingsValue("strRepValues").Split(',');
 7             for (int i = 0; i < arrSplit.Length; i++)
 8             {
 9                 StrContert = StrContert.Replace(arrSplit[i], " ");
10             }
11             return Regex.Matches(StrContert, @"[A-Za-z][A-Za-z'\-.]*").Count;
12 
13         }

改进后英文字数统计

这里取的是web.config中的配置字符串,进行循环替换. 先替换掉&的原因就是为了防止计算错误.

1 <appSettings>
2         <add key="strRepValues" value="\n,\r,nbsp;,lt;brgt;"/>
3   </appSettings>

web.confg配置

因为首次进行博客园的文章发布,文章格式就不做特别的处理.便于大家快速阅读使用为主.如有因为或者更好的解决方案.欢迎留言.

转载于:https://www.cnblogs.com/hivov/p/3272644.html