Delphi 字串處理：提取單詞與漢字的實用函數

前言

在 Delphi 開發中，經常需要從字串中提取特定字符，例如單詞或漢字。本文介紹兩個實用的函數：StrToWordList 用於提取英文單詞與數字，StrToHanZiList 專門提取漢字。兩者都自動去重，適合文本分析、關鍵字提取等場景。

提取單詞函數：StrToWordList

此函數將輸入字串轉為小寫，保留字母、數字、撇號與連字符，其餘字符替換為空格，最後以空格分隔並存入 TStringList，且自動過濾以數字或符號開頭的項目。

procedure StrToWordList(str: string; var List: TStringList);
var
  p: PChar;
  i: Integer;
begin
  if List = nil then List := TStringList.Create;
  List.Clear;
  List.Sorted := True;
  List.Duplicates := dupIgnore;

  p := PChar(str);
  while p^ <> #0 do
  begin
    case p^ of
      'A'..'Z': p^ := Chr(Ord(p^) + 32); // 大寫轉小寫
      'a'..'z', '0'..'9', '''', '-': ;   // 保留字母、數字、撇號、連字符
      else p^ := #32;                    // 其他替換為空格
    end;
    Inc(p);
  end;

  List.Delimiter := #32;
  List.DelimitedText := str;

  // 移除以數字、撇號、連字符開頭的項目
  for i := List.Count - 1 downto 0 do
    if CharInSet(List[i][1], ['0'..'9', '-', '''']) then
      List.Delete(i);
end;

提取漢字函數：StrToHanZiList

利用 Unicode 範圍 #$4E00..#$9FA5 判斷漢字，逐字符掃描並加入列表，同樣啟用排序與去重。

procedure StrToHanZiList(str: string; var List: TStringList);
var
  p: PWideChar;
begin
  if List = nil then List := TStringList.Create;
  List.Clear;
  List.Sorted := True;
  List.Duplicates := dupIgnore;

  p := PWideChar(str);
  while p^ <> #0 do
  begin
    case p^ of
      #$4E00..#$9FA5: List.Add(p^); // 基本漢字區
    end;
    Inc(p);
  end;
end;

使用範例

var
  WordList, HanziList: TStringList;
begin
  WordList := TStringList.Create;
  HanziList := TStringList.Create;
  try
    StrToWordList('Hello World! 你好 123-test', WordList);
    StrToHanZiList('Hello World! 你好 123-test', HanziList);
    // WordList: hello, test, world
    // HanziList: 你, 好
  finally
    WordList.Free;
    HanziList.Free;
  end;
end;

注意事項

• 傳入的 TStringList 若為 nil 會自動建立，調用者需負責釋放。
• 漢字範圍僅涵蓋基本多文種平面（BMP）常用漢字，擴展區漢字需擴展範圍。
• 函數修改傳入字串的內存（通過 PChar），若原字串不可寫，請先複製。