C# 字典 - ContainsKey 函数 Return 错误值

Question

我正在尝试使用 Dictionary of 来映射一些单词（int 并没有那么重要）。将单词插入 dic 后（我检查过）我尝试遍历整个文档并查找特定单词。

当我这样做时，即使这个词存在于 dic 中，它 return 也是错误的。

可能是什么问题，我该如何解决？

public string RemoveStopWords(string originalDoc){
        string updatedDoc = "";
        string[] originalDocSeperated = originalDoc.Split(' ');
        foreach (string word in originalDocSeperated)
        {
            if (!stopWordsDic.ContainsKey(word))
            {
                updatedDoc += word;
                updatedDoc += " ";
            }
        }
        return updatedDoc.Substring(0, updatedDoc.Length - 1); //Remove Last Space
    }

例如：dic 包含停用词 "the"。当我从 originalDoc 中得到一个单词 "the" 然后想检查它是否不存在时，它仍然输入 IF 语句并且他们都写相同！不区分大小写

Dictionary<string, int> stopWordsDic = new Dictionary<string, int>();

string stopWordsContent = System.IO.File.ReadAllText(stopWordsPath);
            string[] stopWordsSeperated = stopWordsContent.Split('\n');
            foreach (string stopWord in stopWordsSeperated)
            {
                stopWordsDic.Add(stopWord, 1);
            }

stopWords文件是每行有一个词的文件

快照：

谢谢

Answer 1

你有一个！ (not) 运算符在您的 if 语句中。您正在检查字典是否不包含键。删除条件开头的感叹号。

Answer 2

创建字典时，您需要执行以下操作：

var stopWords= new Dictionary<string, int>(
    StringComparer.InvariantCultureIgnoreCase);

最重要的部分是 InvariantCultureIgnoreCase。

public string RemoveStopWords(string originalDoc){
    return String.Join(" ", 
           originalDoc.Split(' ')
              .Where(x => !stopWordsDic.ContainsKey(x))
    );
}

此外，您应该更改填充字典的方式（这会在创建字典时从字典中删除所有非单词符号）：

        // Regex to find the first word inside a string regardless of the 
        // preleading symbols. Cuts away all nonword symbols afterwards
        Regex validWords = New Regex(@"\b([0-9a-zA-Z]+?)\b");

        string stopWordsContent = System.IO.File.ReadAllText(stopWordsPath);
        string[] stopWordsSeperated = stopWordsContent.Split('\n');

        foreach (string stopWord in stopWordsSeperated)
        {
            stopWordsDic.Add(validWords.Match(stopWord).Value, 1);
        }

Answer 3

这只是一个猜测（对于评论来说太长了），但是当您在 Dictionary 上插入时，您将按 \n.

拆分

因此，如果您使用的文本文件中的实际拆分器是 \r\n，您将在插入的键上留下 \r，因此在 [=14 上找不到它们=].

所以我会从 string[] stopWordsSeperated = stopWordsContent.Split(new string[] { "\r\n", "\n" }, StringSplitOptions.None); 开始，然后是 trim

附带说明一下，如果您不对任何内容使用字典 int 值，最好使用 HashSet<string> 和 Contains 而不是 ContainsKey

Answer 4

我看到您将所有条目的值设置为 1。也许 List 更符合您的需求：

List<string> stopWordsDic = new List<string>();

string stopWordsContent = System.IO.File.ReadAllText(stopWordsPath);
string[] stopWordsSeperated = stopWordsContent.Split(Environment.NewLine);
foreach (string stopWord in stopWordsSeperated)
{
    stopWordsDic.Add(stopWord);
}

然后用 Contains()

检查元素

public string RemoveStopWords(string originalDoc){
    string updatedDoc = "";
    string[] originalDocSeperated = originalDoc.Split(' ');
    foreach (string word in originalDocSeperated)
    {
        if (!stopWordsDic.Contains(word))
        {
            string.Format("{0}{1}", word, string.Empty);
            //updatedDoc += word;
            //updatedDoc += " ";
        }
    }
    return updatedDoc.Substring(0, updatedDoc.Length - 1); //Remove Last Space
}

C# 字典 - ContainsKey 函数 Return 错误值

C# Dictionary - ContainsKey Function Return Wrong Value

c#

dictionary

containskey