如何移除文本中带后续分隔符的独立目标词？解决多分隔符残留问题

问题背景 #

需要移除文本中紧邻分隔符的指定独立词汇，要求目标词必须是独立词汇（fHouse或Housef这类拼接词不得被移除）。现有C#代码仅能处理目标词后跟随单个分隔符的场景，遇到连续多分隔符时会残留，且无法严格保证目标词的独立性。

当前代码的核心缺陷 #

原代码通过循环替换[目标词]+[单个分隔符]的固定组合，存在两个关键问题：

1. 仅能处理目标词后单个分隔符的情况，连续多分隔符会残留（如House;;;;;;;;;;!处理后会留下大量分隔符）
2. 无法区分独立词汇与拼接词（逻辑上存在误匹配风险）

正则表达式解决方案 #

使用正则表达式可以一次性匹配独立目标词+后续连续分隔符的组合，既保证目标词的独立性，又高效处理多分隔符场景。

正则模式解析 #

构造的正则模式为：

(?<![a-zA-Z0-9])(Home|House|Room)([; .,!?:]+)

• (?<![a-zA-Z0-9])：负向零宽断言，确保目标词前不是字母/数字，彻底避免匹配拼接词（如fhgkHouse中的House）
• (Home|House|Room)：待移除的目标词汇集合
• ([; .,!?:]+)：匹配目标词后跟随的一个或多个指定分隔符

优化后的C#代码 #

using System.IO;
using System.Linq;
using System.Text.RegularExpressions;

public static void Process(string fin, string fout)
{
    string[] wordsToRemove = { "Home", "House", "Room" };
    char[] separators = { ';', ' ', '.', ',', '!', '?', ':' };
    
    // 动态构造正则模式，转义特殊字符避免语法冲突
    string escapedSeparators = string.Join("", separators.Select(c => Regex.Escape(c.ToString())));
    string escapedWords = string.Join("|", wordsToRemove.Select(w => Regex.Escape(w)));
    string regexPattern = $@"(?<![a-zA-Z0-9])({escapedWords})([{escapedSeparators}]+)";
    
    using (var outputWriter = File.CreateText(fout))
    using (var inputReader = new StreamReader(fin))
    {
        string line;
        while ((line = inputReader.ReadLine()) != null)
        {
            string processedLine = Regex.Replace(line, regexPattern, string.Empty);
            outputWriter.WriteLine(processedLine);
        }
    }
}

代码要点 #

1. 动态模式构造：用Regex.Escape转义正则特殊字符（如.、?），避免语法错误
2. 一次性全局替换：Regex.Replace自动扫描整行，匹配所有符合条件的组合，无需循环处理每个词汇和分隔符
3. 严格独立性校验：负向断言确保目标词不是其他单词的一部分，完全符合需求

测试结果 #

• 输入：

  fhgkHouse!House!Dog;;;!!Inside!C!Room!Home!House!Room;;;;;;;;;;!Table!London!Computer!Room;..;
  

• 输出：

  fhgkHouse!Dog;;;!!Inside!C!Table!London!Computer!
  

完全匹配期望输出。

内容的提问来源于stack exchange，提问作者NoOne