博客
关于我
Linq to object 技巧、用法集锦
阅读量:800 次
发布时间:2023-01-31

本文共 975 字,大约阅读时间需要 3 分钟。

要判断字符串数组里的元素是否在字符串中出现,可以用Contains方法逐个检查。以下展示了两种实现方法。

方法一:使用 LINQ

using System.Linq;public class Program{    static void Main(string[] args)    {        string str = "你在他乡还好吗?";        string[] WordList = new string[]        {            "他乡",            "家庭",            "还好",            "怎么"        };        int count = WordList.Count(m => str.Contains(m));        Console.WriteLine(count);        Console.ReadKey();    }}

方法二:逐个检查循环

public class Program{    static void Main(string[] args)    {        string str = "你在他乡还好吗?";        string[] WordList = new string[]        {            "他乡",            "家庭",            "还好",            "怎么"        };        int count = 0;        foreach (string word in WordList)        {            if (str.Contains(word))                count++;        }        Console.WriteLine(count);        Console.ReadKey();    }}

代码解释

两种方法都通过检查每个字符串是否包含在主字符串中来统计出现次数。

优点

  • 简洁性:LINQ代码简洁易读。
  • 性能:对于小型数据集,两种方法性能相当。

结果

编译并运行这段代码,会输出2,表示有两个数组元素出现在原字符串中。

转载地址:http://gkwfk.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>