利用正则表达式分离汉字、英文、数字

在中文分词的过程中需要将英文,数字,汉字分离,数字和英文就不用分割了,主要是将分离出来的汉字进行分词,下面的算法实现利用正则表达式分离汉字、英文、数字:

//获取中文
string chRegS = @"[\u4e00-\u9fa5]+";
Regex chRegR = new Regex(chRegS);
Match chMacth = chRegR.Match(str);
while(chMacth.Success)
{
     CHresult.Add(chMacth.ToString());
     chMacth = chMacth.NextMatch();
}
//英文
string enRegS = @"[a-zA-Z]+";
Regex enRegR = new Regex(enRegS);
Match enMatch = enRegR.Match(str);
while (enMatch.Success)
{
     Enresult.Add(enMatch.ToString());
     enMatch = enMatch.NextMatch();
}
//数字
string numRegS = @"\d+";
Regex numRegR = new Regex(numRegS);
Match numMatch = numRegR.Match(str);
while (numMatch.Success)
{
     Numresult.Add(numMatch.ToString());
     numMatch = numMatch.NextMatch();
}

测试字符串:“可复用的WPF或者Silverlight应用程序和组件设计(3)——控件级别”

结果:

posted @ 2012-04-23 19:38  lijingpeng  阅读(4989)  评论(0编辑  收藏  举报