c# – 从字典中排除单词

我正在阅读文档,并分割单词以获取字典中的每个单词,但我怎么能排除一些单词(如“/ a / an”).

这是我的功能：

private void Splitter(string[] file)
{
    try
    {
        tempDict = file
            .SelectMany(i => File.ReadAllLines(i)
            .SelectMany(line => line.Split(new[] { ' ',','.','?','!',},StringSplitOptions.RemoveEmptyEntries))
            .AsParallel()
            .distinct())
            .GroupBy(word => word)
            .ToDictionary(g => g.Key,g => g.Count());
    }
    catch (Exception ex)
    {
        Ex(ex);
    }
}

此外,在这种情况下,添加.ToLower()的正确位置在哪里调用以小写形式从文件中生成所有单词？我在(temp = file ..)之前考虑过这样的事情：

file.ToList().ConvertAll(d => d.ToLower());

解决方法

你想过滤停用词吗？

HashSet<String> StopWords = new HashSet<String> { 
   "a","an","the" 
 }; 

 ...

 tempDict = file
   .SelectMany(i => File.ReadAllLines(i)
   .SelectMany(line => line.Split(new[] { ' ',StringSplitOptions.RemoveEmptyEntries))
   .AsParallel()
   .Select(word => word.ToLower()) // <- To Lower case 
   .Where(word => !StopWords.Contains(word)) // <- No stop words
   .distinct()
   .GroupBy(word => word)
   .ToDictionary(g => g.Key,g => g.Count());

然而,这段代码是一个部分解决方案：像柏林这样的专有名称将被转换成小写：berlin以及首字母缩略词：KISS(Keep It Simple,Stupid)将变成一个吻,一些数字将是不正确的.