task3:词频统计

相关的类：

　　java.util.regex.Pattern

　　　　static Pattern compile(String regex)　　　　　　　　//编译模式

　　　　static Pattern compile(String regex, int flags)　　　　//编译模式并指定标志

　　　　Matcher matcher(CharSequence input)　　　　　　 //根据这个模式创建matcher对象

　　　　String pattern()　　　　　　　　　　　　　　　　　//返回这个对象的模式匹配字符串

　　　　String[] split(CharSequence input)　　　　　　　　　//根据指定的模式分隔字符串为数组

　　java.util.regex.Matcher

　　　　boolean find()　　　　　　　　　　//尝试查找下一个匹配的子串，找到返回true

　　　　int start()　　　　　　　　　　　　//上一个匹配的子串开始的索引位置

　　　　int end()　　　　　　　　　　　　//上一个匹配的子串的结尾的后一个位置索引

　　　　String group()　　　　　　　　　　//返回上一个匹配的子串

　　　　int groupCount()　　　　　　　　　//返回匹配组模式的个数

　　　　Pattern pattern()　　　　　　　　　//返回模式匹配字符串

思路：

　　这么要求肯定是要用正则的了，然后以字母开头，"\\b[A-Za-z]"， 然后呢单词里可以包含字母数组"[A-Za-z0-9]"，不要用"\\w"， 这个里还有个下划线，然后单词长度大于等于4, 组合一下就是"\\b[A-Za-z][A-Za-z0-9]{3,}\\b", 结尾肯定是字母或数字无疑了。然后就是根据模式查找匹配的子串，转换为小写存入Map中。提取映射的键名到集合中，最后用一个迭代器根据键名的集合循环读出映射中的值。

源程序：

　　贴个程序吧：

　　

import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.Scanner;
import java.util.Map;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Set;

public class countcha {

        public static void main(String[] args)
        {
                Map<String,Integer> numcount=new HashMap<String,Integer>();
                //regex
                Pattern pat=Pattern.compile("\\b[A-Za-z][A-Za-z0-9]{3,}\\b");
                Scanner in=new Scanner(System.in);
                System.out.print("please input a string:");
                String sda=in.nextLine();
                in.close();
                Matcher mth=pat.matcher(sda);
                boolean tf=mth.find();
                while(tf)
                {
                        String buffer=mth.group().toLowerCase();
                        numcount.put(buffer, numcount.get(buffer)==null?1:numcount.get(buffer)+1);
                        tf=mth.find();
                }

                Set<String> countSet=numcount.keySet();
                //output
                Iterator<String> point=countSet.iterator();
                while(point.hasNext())
                {
                        String value=(String)point.next();
                        System.out.println(value+":"+numcount.get(value));
                }
        }
}

 

运行结果：

　　

附加：

另外还有个说从文本读入数据统计单词个数的，这个差不多，按行读取，然后模式循环匹配直到文件结尾，如果发现单词则查询已存在的映射中是否已有，有则加1, 没有则置1。最后输出映射中的内容。我用的数据是“because of you”这首歌词，命名为becauseofyou.txt放在项目根目录下了。测试结果：

 

结论：

　　预计用时1h, 结果正则卡死我了，不太熟悉，用时4h+。

具体源码地址：https://github.com/blocksmz/task3