• 每日总结


    单词统计

     

    用户需求:

    英语的26 个字母的频率在一本小说中是如何分布的?

    某类型文章中常出现的单词是什么?

    某作家最常用的词汇是什么?

    《哈利波特》 中最常用的短语是什么,等等。

    我们就写一些程序来解决这个问题,满足一下我们的好奇心。

    第0步:输出某个英文文本文件中 26 字母出现的频率,由高到低排列,并显示字母出现的百分比,精确到小数点后面两位。

    字母频率 = 这个字母出现的次数 / (所有A-Z,a-z字母出现的总数)

    如果两个字母出现的频率一样,那么就按照字典序排列。  如果 S 和 T 出现频率都是 10.21%, 那么, S 要排在T 的前面。

    第1步:输出单个文件中的前 N 个最常出现的英语单词。

    作用:一个用于统计文本文件中的英语单词出现频率。

    单词:以英文字母开头,由英文字母和字母数字符号组成的字符串视为一个单词。单词以分隔符分割且不区分大小写。在输出时,所有单词都用小写字符表示。

    英文字母:A-Z,a-z

    字母数字符号:A-Z,a-z,0-9

    第1步:输出单个文件中的前 N 个最常出现的英语单词。

    分割符:空格,非字母数字符号 例:good123是一个单词,123good不是一个单词。good,Good和GOOD是同一个单词。

    package danci;

    import java.io.BufferedReader;

    import java.io.FileReader;

    import java.util.ArrayList;

    import java.util.Collections;

    import java.util.Comparator;

    import java.util.List;

    import java.util.Map;

    import java.util.TreeMap;

    import java.util.regex.Matcher;

    import java.util.regex.Pattern;

    public class Danci {

        public static void main(String[] args) throws Exception {

            BufferedReader reader = new BufferedReader(new FileReader(

                    "E:\飘.txt"));

            StringBuffer buffer = new StringBuffer();

            String line = null;

            while ((line = reader.readLine()) != null) {

                buffer.append(line);

            }

            reader.close();

            Pattern expression = Pattern.compile("[a-zA-Z]+");// 定义正则表达式匹配单词

            String string = buffer.toString();

            Matcher matcher = expression.matcher(string);//

            Map<String, Integer> map = new TreeMap<String, Integer>();

            String word = "";

            int times = 0;

      while (matcher.find()) {// 是否匹配单词

                word = matcher.group();// 得到一个单词-树映射的键

                if (map.containsKey(word)) {// 如果包含该键,单词出现过

                    times = map.get(word);// 得到单词出现的次数

                    map.put(word, times + 1);

                } else {

                    map.put(word, 1);// 否则单词第一次出现,添加到映射中

                }

            }

            /*

             * 核心:如何按照TreeMap 的value排序而不是key排序.将Map.Entry放在集合里, 重写比较器,在用

             * Collections.sort(list, comparator);进行 排序

             */

            List<Map.Entry<String, Integer>> list = new ArrayList<Map.Entry<String, Integer>>(

                    map.entrySet());

            /*ZZZZZZZZZZZZZZZ

             * 重写比较器

             * 取出单词个数(value)比较

             */

            Comparator<Map.Entry<String, Integer>> comparator = new Comparator<Map.Entry<String, Integer>>() {

                public int compare(Map.Entry<String, Integer> left,

                        Map.Entry<String, Integer> right) {

                    return (left.getValue()).compareTo(right.getValue());

                }

            };

            Collections.sort(list, comparator);// 排序

            int last = list.size() - 1;

            for (int i = last; i > last - 1000; i--) {

                String key = list.get(i).getKey();

                Integer value = list.get(i).getValue();

                System.out.println(key + " :" + value);

                

            }

            

        }

    }

  • 相关阅读:
    大话串口:我和它的恩恩怨怨
    分布式网游server的一些想法(一) 语言和平台的选择
    C++: C没有闭包真的很痛苦……
    C++不是C/C++
    最美树算法
    类魔兽世界 技能 天赋 成就 log 系统设计
    C++网游服务端开发(一):又无奈的重复造了个轮子,一个底层网络库
    C++ protobuf 不仅仅是序列化……
    深入WPFStyle
    Illusion = Caliburn.Micro + MEF
  • 原文地址:https://www.cnblogs.com/ldy2396/p/14218819.html
Copyright © 2020-2023  润新知