Java實現讀取文章中重復出現的中文字符串

更新時間：2017年03月21日 09:58:54 作者：zangcunmiao

本文主要介紹了Java實現讀取文章中重復出現的中文字符串的方法。具有很好的參考價值。下面跟著小編一起來看下吧

在上個星期阿里巴巴一面的時候，最后面試官問我如何把一篇文章中重復出現的詞或者句子找出來，當時太緊張，答的不是很好。今天有時間再來親手實現一遍。其實說白了也就是字符串的處理，所以難度并不是很大。

以下是代碼和運行效果：

實現方法：

import java.io.*;
import java.util.*;
/**
 * Created by chunmiao on 17-3-20.
 */
public class ReadArticle {
 //讀取文件名稱
 private String filename;
 //讀取段落
 private ArrayList<String> result = new ArrayList<>();
 //最小字長（兩個字以上進行匹配）
 private final int MINSIZE = 2;
 //重復詞儲存
 HashSet<String> set;
 public ReadArticle(String filename, HashSet<String> set) {
 this.filename = filename;
 this.set = set;
 }
 public void createData() throws IOException {
 String r;
 //讀取文章內容
 BufferedReader in = new BufferedReader(new FileReader(new File(filename).getAbsoluteFile()));
 try {
  while ((r = in.readLine()) != null) {
  //消除不必要的標點符號
  r = r.replaceAll("\\s+ |“|\\[|‘|《|　*|", "").trim();
  //留下” ， 。 ?！?”。 ”， ？ 》 -等作為劃分句子的分割符標示
  Collections.addAll(result, r.split("，|(?！眧”(。|，)|。)|(\\])|”|'|？|:|》|-"));
  }
 }finally {
  in.close();
 }
 //對文章內容進行遍歷找出重讀出現的句子或者是詞語
 for (int i = 0 ; i < result.size() - 1; i ++){
  for (int j = 0 ; j < result.size() - i - 1; j ++) {
  //將重復出現的詞語保存到set集合里面
  set.addAll(getSameCharacter(result.get(i), result.get(j + i + 1)));
  }
 }
 }
 private ArrayList<String> getSameCharacter(String a1, String a2){
 String maxS;
 String minS;
 //短句遍歷開始處
 int start = 0;
 //詞的長度最短為兩個字長
 int range =2;
 //設定短句和長句s,使得遍歷更加快捷
 if (a1.length() <= a2.length()){
  maxS = a2;
  minS = a1;
 }else {
  maxS = a1;
  minS = a2;
 }
 String result = "";
 ArrayList<String> list = new ArrayList<String>();
 //防止substring時超出范圍
 while (start + range <= minS.length()) {
  //如果句子或詞在對象里面，則找出相應的句子或詞保存在list里面
  if (maxS.indexOf(minS.substring(start, start + range)) != -1) {
  //獲取最長句子,刪除短句子
  list.remove(result);
  list.add(minS.substring(start, start + range));
  result = minS.substring(start, start + range);
  range++;
  continue;
  }
  range = MINSIZE;
  start++;
 }
 return list;
 }
}

測試代碼：

import java.io.IOException;
import java.util.HashSet;
public class Main {
 public static void main(String[] args) throws IOException {
 String filename = "test.txt";
 HashSet<String> result = new HashSet<String>();
 ReadArticle read = new ReadArticle(filename,result);
 read.createData();
 System.out.println("這篇文章中的重復出現的詞或句子有以下幾個詞或句子:\n");
 for (String s : result){
  System.out.println(s);
 }
 }
}

讀取的文章內容：