C# Linq关键字提取-限制提取范围

关于

---

有没有办法限制要考虑的关键字数量？例如，我只想计算文本的前1000个单词。Linq中有一个“Take”方法，但它有不同的用途——所有的字都将被计算，N条记录将被返回。正确的替代方案是什么

只需在调用

Split

后直接应用

Take

：

var results = src.Split()
                 .Take(1000)
                 .GroupBy(...) // etc

---

可枚举。Take

实际上是流式输出结果；它不会完全缓冲其源代码，然后只返回前一个N。不过，看看您原来的解决方案，问题是您要执行

操作的输入是
String.Split
。不幸的是，这种方法不使用任何类型的延迟执行；它急切地创建一个包含所有“拆分”的数组，然后返回它

因此，从某些文本中获取单词流序列的技术类似于：

var words = src.StreamingSplit()  // you'll have to implement that            
               .Take(1000);

但是，我注意到您的查询的其余部分是：

...
.GroupBy(str => str)   // group words by the value
.Select(g => new
             {
                str = g.Key,      // the value
                count = g.Count() // the count of that value
              });

请注意，
GroupBy
是一种缓冲操作-您可以预期，来自其源代码的所有1000个字最终都将存储在组输出过程中的某个位置

在我看来，这些选择是：

如果您不介意为了拆分目的浏览所有文本，那么
src.Split（）.Take（1000）
就可以了。缺点是浪费时间（不再需要拆分后继续拆分）和浪费空间（即使只需要前1000个字，也要将所有字存储在一个数组中）。但是，查询的剩余部分将不会对超过需要的任何单词进行操作
如果由于时间/内存限制，您负担不起（1），请使用
src.StreamingSplit（）.Take（1000）
或同等工具。在这种情况下，在找到1000个单词后，将不会处理任何原始文本
请注意，在这两种情况下，这1000个单词本身最终都会被
GroupBy
子句缓冲。
严格地说，LINQ不一定会阅读所有内容；Take将尽快停止。问题是，在相关的问题中，您看到的是计数，在不消耗所有数据的情况下，很难获得计数。同样，string.Split将查看所有内容

但是，如果您编写了一个惰性非缓冲剥离函数（使用yield-return），并且希望得到前1000个唯一单词，那么

var words = LazySplit(text).Distinct().Take(1000);

将工作
Take（）
是一个懒惰的函数！这并不是说所有的单词都要经过计算。参见示例。简单的解决方案，但在我的案例中似乎效果良好。谢谢你，乔恩！感谢您的详细回复。