public static string[] RozdelitTextNaSlova(string strText, bool blnOdstranitTecku, bool blnPonechatInterpunkci)
{
//201C = koncová dvojitá uvozovka
//2026 = trojtečka
//201F = koncová dvojitá uvozovka (nejspíš nečeská) - double-heigh-reversed-9 quotation mark
//201B = koncová jednoduchá uvozovka
//00A0 = pevná mezera
Nastaveni nst = new Nastaveni();
nst.OdstranitTecku = blnOdstranitTecku;
nst.PonechatInterpunkci = blnPonechatInterpunkci;
return(RozdelitTextNaSlova(strText, nst));
/*
* char[] achMezery = new char[] { ' ', '\u00A0', '\t' };
* char[] achParove = new char[] { '(', ')', '[', ']', '{', '}' };
* char[] achPocatecni = new char[] { '\u206E', '\u201A', '\u201E', '\u2026' }; //tj. spodní jednoduchá a dvojitá uvozovka, trojtečka
* char[] achKoncove = new char[] { '\u201B', '!', '?', ',', ';', ':', '\u2026', '\u201C' }; //tj. horní jednoduchá a dvojitá uvozovka a trojtečka
*
* return RozdelitTextNaSlova(strText, achMezery, achParove, achPocatecni, achKoncove, blnOdstranitTecku, blnPonechatInterpunkci);
*/
//if (blnOdstranitTecku) {
// strText = strText.Replace('.', ' ');
//}
}
public static string[] RozdelitTextNaSlova(string strText, bool blnOdstranitTecku, bool blnPonechatInterpunkci, string strZnakyKOdstraneni)
{
//char[] achMezery = new char[] { ' ', '\u00A0', '\t' };
//char[] achParove = new char[] { '(', ')', '[', ']', '{', '}' };
Nastaveni nst = new Nastaveni();
if (string.IsNullOrEmpty(strZnakyKOdstraneni))
{
nst.ZnakyKOdstraneni = null;
}
else
{
nst.ZnakyKOdstraneni = strZnakyKOdstraneni.ToCharArray();
}
nst.OdstranitTecku = blnOdstranitTecku;
nst.PonechatInterpunkci = blnPonechatInterpunkci;
return(RozdelitTextNaSlova(strText, nst));
/*
* string[] aText = RozdelitTextNaSlova(strText, blnOdstranitTecku, blnPonechatInterpunkci);
* if (String.IsNullOrEmpty(strZnakyKOdstraneni))
* return aText;
* char[] chZnakyKOdstraneni = strZnakyKOdstraneni.ToCharArray();
* for (int i = 0; i < aText.Length; i++) {
* while (aText[i].IndexOfAny(chZnakyKOdstraneni) > -1) {
* aText[i] = aText[i].Remove(aText[i].IndexOfAny(chZnakyKOdstraneni), 1);
* }
* }
* return aText;
*/
}
public Slova(Nastaveni nstNastaveni)
{
if (nstNastaveni != null)
{
this.Settings = nstNastaveni;
}
}
/// <summary>
/// Rozdělí text na slova
/// </summary>
/// <param name="strText">Text, který se má rozdělit na slova</param>
/// <param name="strDelimitatorySlov">Delimitátory slov kromě mezer</param>
/// <param name="blnOdstranitTecku">Zdá se má odstranit tečka</param>
/// <param name="blnPonechatInterpunkci">Zda se má ponechat koncová a počáteční interpunkce</param>
/// <param name="strZnakyKOdstraneni">Znaky, které se z textu odstraní ještě před rozdělením na slova</param>
/// <returns>Pole slov</returns>
public static string[] RozdelitTextNaSlova(string strText, string strDelimitatorySlov, bool blnOdstranitTecku,
bool blnPonechatInterpunkci, string strZnakyKOdstraneni)
{
Nastaveni nst = new Nastaveni();
if (string.IsNullOrEmpty(strZnakyKOdstraneni))
{
nst.ZnakyKOdstraneni = new char[] { }
}
;
else
{
nst.ZnakyKOdstraneni = strZnakyKOdstraneni.ToCharArray();
}
if (string.IsNullOrEmpty(strDelimitatorySlov))
{
nst.DelimitatorySlov = new char[] {}
}
;
else
{
nst.DelimitatorySlov = strDelimitatorySlov.ToCharArray();
}
nst.OdstranitTecku = blnOdstranitTecku;
nst.PonechatInterpunkci = blnPonechatInterpunkci;
return(RozdelitTextNaSlova(strText, nst));
/*
* string sMezery = " \u00A0\t" + (strDelimitatorySlov ?? String.Empty);
*
* char[] achMezery = sMezery.ToCharArray();
* char[] achParove = new char[] { '(', ')', '[', ']', '{', '}' };
* char[] achPocatecni = new char[] { '\u206E', '\u201A', '\u201E', '\u2026' }; //tj. spodní jednoduchá a dvojitá uvozovka, trojtečka
* char[] achKoncove = new char[] { '\u201B', '!', '?', ',', ';', ':', '\u2026', '\u201C' }; //tj. horní jednoduchá a dvojitá uvozovka a trojtečka
*
*
* string[] aText = RozdelitTextNaSlova(strText, achMezery, achParove, achPocatecni, achKoncove, blnOdstranitTecku, blnPonechatInterpunkci);
*
*
* if (String.IsNullOrEmpty(strZnakyKOdstraneni))
* return aText;
* char[] achZnakyKOdstraneni = strZnakyKOdstraneni.ToCharArray();
* for (int i = 0; i < aText.Length; i++) {
* while (aText[i].IndexOfAny(achZnakyKOdstraneni) > -1) {
* aText[i] = aText[i].Remove(aText[i].IndexOfAny(achZnakyKOdstraneni), 1);
* }
* }
* return aText;
*/
}
public static string[] RozdelitTextNaSlova(string strText, Nastaveni nstNastaveni)
{
char[] achTecka = new char[] { '.' };
char[] achDelimitatory = new char[nstNastaveni.Mezery.Length + nstNastaveni.DelimitatorySlov.Length];
int iDelim = 0;
for (int i = 0; i < nstNastaveni.Mezery.Length; i++)
{
achDelimitatory[iDelim++] = nstNastaveni.Mezery[i];
}
for (int i = 0; i < nstNastaveni.DelimitatorySlov.Length; i++)
{
achDelimitatory[iDelim++] = nstNastaveni.DelimitatorySlov[i];
}
List <string> glstText = new List <string>(strText.Split(achDelimitatory, StringSplitOptions.RemoveEmptyEntries));
if (!nstNastaveni.PonechatInterpunkci)
{
OdstranitParovouInterpunkci(nstNastaveni, glstText);
}
if (!nstNastaveni.PonechatInterpunkci)
{
for (int i = 0; i < glstText.Count; i++)
{
if (glstText[i].IndexOfAny(nstNastaveni.PocatecniInterpunkce) > -1 || glstText[i].IndexOfAny(nstNastaveni.KoncovaInterpunkce) > -1)
{
bool bZmeneno = true;
while (bZmeneno)
{
bZmeneno = false;
if (glstText[i].Length > 0)
{
if (glstText[i][0].ToString().IndexOfAny(nstNastaveni.PocatecniInterpunkce) > -1 || glstText[i].IndexOfAny(nstNastaveni.KoncovaInterpunkce, glstText[i].Length - 1) > -1)
{
bZmeneno = true;
glstText[i] = glstText[i].TrimStart(nstNastaveni.PocatecniInterpunkce);
glstText[i] = glstText[i].TrimEnd(nstNastaveni.KoncovaInterpunkce);
}
}
}
}
}
}
if (!nstNastaveni.PonechatInterpunkci)
{
OdstranitParovouInterpunkci(nstNastaveni, glstText);
}
if (nstNastaveni.OdstranitTecku)
{
for (int i = 0; i < glstText.Count; i++)
{
glstText[i] = glstText[i].TrimEnd(achTecka);
}
}
if (nstNastaveni.ZnakyKOdstraneni != null)
{
for (int i = 0; i < glstText.Count; i++)
{
while (glstText[i].IndexOfAny(nstNastaveni.ZnakyKOdstraneni) > -1)
{
glstText[i] = glstText[i].Remove(glstText[i].IndexOfAny(nstNastaveni.ZnakyKOdstraneni), 1);
}
}
}
if (nstNastaveni.OdstranitPrazdnaSlova)
{
while (glstText.Contains(""))
{
glstText.Remove("");
}
}
if (nstNastaveni.OdstranitTecku)
{
for (int i = 0; i < glstText.Count; i++)
{
glstText[i] = glstText[i].TrimEnd(achTecka);
}
}
return(glstText.ToArray());
}
public static string[] RozdelitTextNaSlova(string strText, char[] achMezery, char[] achParove, char[] achPocatecni, char[] achKoncove,
bool blnOdstranitTecku, bool blnPonechatInterpunkci)
{
Nastaveni nst = new Nastaveni();
nst.Mezery = achMezery;
nst.ParovaInterpunkce = achParove;
nst.PocatecniInterpunkce = achPocatecni;
nst.KoncovaInterpunkce = achKoncove;
nst.OdstranitTecku = blnOdstranitTecku;
nst.PonechatInterpunkci = blnPonechatInterpunkci;
return(RozdelitTextNaSlova(strText, nst));
/*
* char[] achTecka = new char[] { '.' };
*
*
* string[] aText = strText.Split(achMezery);
* if (!blnPonechatInterpunkci) {
*
* for (int i = 0; i < aText.Length; i++) {
* if (aText[i].IndexOfAny(achParove) > -1) {
* bool bZmeneno = true;
* while (bZmeneno) {
* bZmeneno = false;
* for (int j = 0; j < achParove.Length; j += 2) {
* if (aText[i][0] == achParove[j] && aText[i][aText[i].Length - 1] == achParove[j + 1]) {
* aText[i] = aText[i].Substring(1, aText[i].Length - 2);
* bZmeneno = true;
* }
* }
* }
* }
* }
* }
*
* if (!blnPonechatInterpunkci) {
* for (int i = 0; i < aText.Length; i++) {
* if (aText[i].IndexOfAny(achPocatecni) > -1 || aText[i].IndexOfAny(achPocatecni) > -1) {
* bool bZmeneno = true;
* while (bZmeneno) {
* bZmeneno = false;
* if(aText[i].Length > 0){
* if (aText[i][0].ToString().IndexOfAny(achPocatecni) > -1 || aText[i].IndexOfAny(achKoncove, aText[i].Length - 1) > -1) {
* bZmeneno = true;
* aText[i] = aText[i].TrimStart(achPocatecni);
* aText[i] = aText[i].TrimEnd(achKoncove);
* }
* }
* }
* }
* }
* }
* if (blnOdstranitTecku)
* for (int i = 0; i < aText.Length; i++) {
* aText[i] = aText[i].TrimEnd(achTecka);
* }
* //projít slova, jestli se nejedná o zkratku (zvl., Doc., m. ap.), pokud ne, odstranit tečku
*
* return (aText);
*/
}
/// <summary>
///
/// </summary>
/// <param name="nstNastaveni"></param>
/// <param name="glstText"></param>
/// <remarks>Pravidla pro odstranění párové interpunkce: pokud výraz obsahuje obě položky páru <example>(ve)dení</example>, interpunkce se neodstraní; pokud obsahuje pouze jednu položku <example>(ve</example>, interpunkce se odstraní.</remarks>
/// <remarks>Pokud výraz obsahuje obě položky páru na začátku a na konci <example>„dievky“</example>, obojí se odstraní.</remarks>
private static void OdstranitParovouInterpunkci(Nastaveni nstNastaveni, List <string> glstText)
{
//odstraní párovou interpunkci ze začátku a z konce výrazu
for (int i = 0; i < glstText.Count; i++)
{
if (glstText[i].IndexOfAny(nstNastaveni.ParovaInterpunkce) > -1)
{
bool bZmeneno = true;
while (bZmeneno)
{
bZmeneno = false;
for (int j = 0; j < nstNastaveni.ParovaInterpunkce.Length; j += 2)
{
if (glstText[i].Length > 0 && glstText[i][0] == nstNastaveni.ParovaInterpunkce[j] &&
glstText[i][glstText[i].Length - 1] == nstNastaveni.ParovaInterpunkce[j + 1])
{
glstText[i] = glstText[i].Substring(1, glstText[i].Length - 2);
bZmeneno = true;
if (glstText[i].Length == 0)
{
bZmeneno = false;
}
}
}
}
}
}
//odstraní párovou interpunkci ve výrazu, pokud se vyskytuje jenom jednou
for (int i = 0; i < glstText.Count; i++)
{
if (glstText[i].IndexOfAny(nstNastaveni.ParovaInterpunkce) > -1)
{
bool bZmeneno = true;
while (bZmeneno)
{
bZmeneno = false;
for (int j = 0; j < nstNastaveni.ParovaInterpunkce.Length; j += 2)
{
// (gen
if (glstText[i].Length > 0 && glstText[i][0] == nstNastaveni.ParovaInterpunkce[j] &&
glstText[i].IndexOf(nstNastaveni.ParovaInterpunkce[j + 1], 1) == -1)
{
glstText[i] = glstText[i].Substring(1, glstText[i].Length - 1);
bZmeneno = true;
if (glstText[i].Length == 0)
{
bZmeneno = false;
}
}
//gen.)
if (glstText[i].Length > 0 && glstText[i].IndexOf(nstNastaveni.ParovaInterpunkce[j + 1], 1) > -1 &&
glstText[i][0] != nstNastaveni.ParovaInterpunkce[j] && glstText[i].IndexOf(nstNastaveni.ParovaInterpunkce[j], 1) == -1)
{
glstText[i] = glstText[i].Remove(glstText[i].IndexOf(nstNastaveni.ParovaInterpunkce[j + 1], 1), 1);
bZmeneno = true;
if (glstText[i].Length == 0)
{
bZmeneno = false;
}
}
}
}
}
}
}
