Procedimiento: Uso de LINQ para consultar cadenas
Las cadenas se almacenan como una secuencia de caracteres. Como secuencia de caracteres, se pueden consultar mediante LINQ. En este artículo, hay varias consultas de ejemplo que consultan distintos caracteres o palabras en las cadenas, filtran cadenas o mezclan consultas con expresiones regulares.
Procedimiento para consultar caracteres en una cadena
En el ejemplo siguiente se consulta una cadena para determinar el número de dígitos numéricos que contiene.
string aString = "ABCDE99F-J74-12-89A";
// Select only those characters that are numbers
var stringQuery = from ch in aString
where Char.IsDigit(ch)
select ch;
// Execute the query
foreach (char c in stringQuery)
Console.Write(c + " ");
// Call the Count method on the existing query.
int count = stringQuery.Count();
Console.WriteLine($"Count = {count}");
// Select all characters before the first '-'
var stringQuery2 = aString.TakeWhile(c => c != '-');
// Execute the second query
foreach (char c in stringQuery2)
Console.Write(c);
/* Output:
Output: 9 9 7 4 1 2 8 9
Count = 8
ABCDE99F
*/
En la consulta anterior se muestra cómo se puede tratar una cadena como una secuencia de caracteres.
Procedimiento para: realizar el recuento de las repeticiones de una palabra en una cadena
En el ejemplo siguiente se muestra cómo usar una consulta LINQ para contar las repeticiones de una palabra determinada en una cadena. Para realizar el recuento, primero se llama al método Split para crear una matriz de palabras. El método Split implica un costo de rendimiento. Si la única operación de la cadena es para contar las palabras, debe considerar la posibilidad de usar los métodos Matches o IndexOf en su lugar.
string text = """
Historically, the world of data and the world of objects
have not been well integrated. Programmers work in C# or Visual Basic
and also in SQL or XQuery. On the one side are concepts such as classes,
objects, fields, inheritance, and .NET APIs. On the other side
are tables, columns, rows, nodes, and separate languages for dealing with
them. Data types often require translation between the two worlds; there are
different standard functions. Because the object world has no notion of query, a
query can only be represented as a string without compile-time type checking or
IntelliSense support in the IDE. Transferring data from SQL tables or XML trees to
objects in memory is often tedious and error-prone.
""";
string searchTerm = "data";
//Convert the string into an array of words
char[] separators = ['.', '?', '!', ' ', ';', ':', ','];
string[] source = text.Split(separators, StringSplitOptions.RemoveEmptyEntries);
// Create the query. Use the InvariantCultureIgnoreCase comparison to match "data" and "Data"
var matchQuery = from word in source
where word.Equals(searchTerm, StringComparison.InvariantCultureIgnoreCase)
select word;
// Count the matches, which executes the query.
int wordCount = matchQuery.Count();
Console.WriteLine($"""{wordCount} occurrences(s) of the search term "{searchTerm}" were found.""");
/* Output:
3 occurrences(s) of the search term "data" were found.
*/
En la consulta anterior se muestra cómo puede ver cadenas como una secuencia de palabras, después de dividir una cadena en una secuencia de palabras.
Procedimiento para ordenar o filtrar datos de texto por cualquier palabra o campo
En el ejemplo siguiente se muestra cómo ordenar líneas de texto estructurado, como valores separados por comas, por cualquier campo de la línea. El campo se puede especificar de forma dinámica en tiempo de ejecución. Imagine que los campos de scores.csv representan el número de identificación de un alumno, seguido de una serie de cuatro calificaciones:
111, 97, 92, 81, 60
112, 75, 84, 91, 39
113, 88, 94, 65, 91
114, 97, 89, 85, 82
115, 35, 72, 91, 70
116, 99, 86, 90, 94
117, 93, 92, 80, 87
118, 92, 90, 83, 78
119, 68, 79, 88, 92
120, 99, 82, 81, 79
121, 96, 85, 91, 60
122, 94, 92, 91, 91
En la consulta siguiente se ordenan las líneas en función de la puntuación del primer examen, almacenada en la segunda columna:
// Create an IEnumerable data source
string[] scores = File.ReadAllLines("scores.csv");
// Change this to any value from 0 to 4.
int sortField = 1;
Console.WriteLine($"Sorted highest to lowest by field [{sortField}]:");
// Split the string and sort on field[num]
var scoreQuery = from line in scores
let fields = line.Split(',')
orderby fields[sortField] descending
select line;
foreach (string str in scoreQuery)
{
Console.WriteLine(str);
}
/* Output (if sortField == 1):
Sorted highest to lowest by field [1]:
116, 99, 86, 90, 94
120, 99, 82, 81, 79
111, 97, 92, 81, 60
114, 97, 89, 85, 82
121, 96, 85, 91, 60
122, 94, 92, 91, 91
117, 93, 92, 80, 87
118, 92, 90, 83, 78
113, 88, 94, 65, 91
112, 75, 84, 91, 39
119, 68, 79, 88, 92
115, 35, 72, 91, 70
*/
En la consulta anterior se muestra cómo puede manipular cadenas si las divide en campos y consulta los campos individuales.
Consulta de oraciones con palabras específicas
En el ejemplo siguiente se muestra cómo buscar frases en un archivo de texto que contengan coincidencias con cada uno de los conjuntos de palabras especificados. Aunque la matriz de términos de búsqueda está codificada de forma rígida, también se podría rellenar de forma dinámica en tiempo de ejecución. La consulta devuelve las frases que contienen las palabras "Historically", "data" e "integrated".
string text = """
Historically, the world of data and the world of objects
have not been well integrated. Programmers work in C# or Visual Basic
and also in SQL or XQuery. On the one side are concepts such as classes,
objects, fields, inheritance, and .NET APIs. On the other side
are tables, columns, rows, nodes, and separate languages for dealing with
them. Data types often require translation between the two worlds; there are
different standard functions. Because the object world has no notion of query, a
query can only be represented as a string without compile-time type checking or
IntelliSense support in the IDE. Transferring data from SQL tables or XML trees to
objects in memory is often tedious and error-prone.
""";
// Split the text block into an array of sentences.
string[] sentences = text.Split(['.', '?', '!']);
// Define the search terms. This list could also be dynamically populated at run time.
string[] wordsToMatch = [ "Historically", "data", "integrated" ];
// Find sentences that contain all the terms in the wordsToMatch array.
// Note that the number of terms to match is not specified at compile time.
char[] separators = ['.', '?', '!', ' ', ';', ':', ','];
var sentenceQuery = from sentence in sentences
let w = sentence.Split(separators,StringSplitOptions.RemoveEmptyEntries)
where w.Distinct().Intersect(wordsToMatch).Count() == wordsToMatch.Count()
select sentence;
foreach (string str in sentenceQuery)
{
Console.WriteLine(str);
}
/* Output:
Historically, the world of data and the world of objects have not been well integrated
*/
La consulta primero divide el texto en frases y, luego, divide cada frase en una matriz de cadenas que contienen cada palabra. Para cada una de estas matrices, el método Distinct quita todas las palabras duplicadas y, después, la consulta realiza una operación Intersect en la matriz de palabras y en la matriz wordsToMatch. Si el recuento de la intersección es igual que el recuento de la matriz wordsToMatch, se han encontrado todas las palabras y se devuelve la frase original.
La llamada a Split usa signos de puntuación como separadores para quitarlos de la cadena. Si no quitara los signos de puntuación, por ejemplo, podría tener una cadena "Historically," que no coincidiría con "Historically" en la matriz wordsToMatch. Es posible que tenga que usar separadores adicionales, en función de los tipos de puntuación del texto de origen.
Procedimiento para: Combinar consultas LINQ con expresiones regulares
En el ejemplo siguiente se muestra cómo usar la clase Regex a fin de crear una expresión regular para coincidencias más complejas en cadenas de texto. Con la consulta LINQ, resulta fácil filtrar por los archivos exactos que se quieren buscar con la expresión regular y dar forma a los resultados.
string startFolder = """C:\Program Files\dotnet\sdk""";
// Or
// string startFolder = "/usr/local/share/dotnet/sdk";
// Take a snapshot of the file system.
var fileList = from file in Directory.GetFiles(startFolder, "*.*", SearchOption.AllDirectories)
let fileInfo = new FileInfo(file)
select fileInfo;
// Create the regular expression to find all things "Visual".
System.Text.RegularExpressions.Regex searchTerm =
new System.Text.RegularExpressions.Regex(@"microsoft.net.(sdk|workload)");
// Search the contents of each .htm file.
// Remove the where clause to find even more matchedValues!
// This query produces a list of files where a match
// was found, and a list of the matchedValues in that file.
// Note: Explicit typing of "Match" in select clause.
// This is required because MatchCollection is not a
// generic IEnumerable collection.
var queryMatchingFiles =
from file in fileList
where file.Extension == ".txt"
let fileText = File.ReadAllText(file.FullName)
let matches = searchTerm.Matches(fileText)
where matches.Count > 0
select new
{
name = file.FullName,
matchedValues = from System.Text.RegularExpressions.Match match in matches
select match.Value
};
// Execute the query.
Console.WriteLine($"""The term "{searchTerm}" was found in:""");
foreach (var v in queryMatchingFiles)
{
// Trim the path a bit, then write
// the file name in which a match was found.
string s = v.name.Substring(startFolder.Length - 1);
Console.WriteLine(s);
// For this file, write out all the matching strings
foreach (var v2 in v.matchedValues)
{
Console.WriteLine($" {v2}");
}
}
También puede consultar el objeto MatchCollection devuelto por una búsqueda RegEx. En los resultados solo se muestra el valor de cada coincidencia. Pero también es posible usar LINQ para realizar todo tipo de operaciones de filtrado, ordenación y agrupación en esa colección. Como MatchCollection no es una colección IEnumerable genérica, tendrá que indicar explícitamente el tipo de la variable de rango en la consulta.
