Linq关键字提取-限制提取范围

简单地应用 Take Split :

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

严格来说,林克是 不 一定要把所有的东西都读一遍;Take会尽快停止的。问题是在相关的问题中,你看计数,如果不消耗所有的数据,很难得到计数。同样的,string.Split会看到 .

但是,如果您编写了一个惰性的非缓冲拆分函数(使用yield return),并且您想要前1000个唯一的单词,那么

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

Enumerable.Take 事实上,stream不会产生结果;它不会完全缓冲源,然后只返回第一个N Take 是 String.Split . 不幸的是,这个方法不使用任何延迟执行;它急切地创建一个包含所有“split”的数组,然后返回它。

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

不过,我确实注意到,您的其余查询是:

...
.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

在我看来,选择是:

1. 如果你不介意通读所有的课文 那么,目的 src.Split().Take(1000) 很好。缺点是浪费时间(不再需要继续拆分)和浪费空间(将所有单词存储在一个数组中,即使只有前1000个单词)。然而 休息
2. 如果由于时间/内存限制,您无法负担(1)的费用,请使用 src.StreamingSplit().Take(1000)

请注意这1000个字 他们自己 最终会被 分组