Java實(shí)現(xiàn)讀取文章中重復(fù)出現(xiàn)的中文字符串
在上個(gè)星期阿里巴巴一面的時(shí)候,最后面試官問我如何把一篇文章中重復(fù)出現(xiàn)的詞或者句子找出來(lái),當(dāng)時(shí)太緊張,答的不是很好。今天有時(shí)間再來(lái)親手實(shí)現(xiàn)一遍。其實(shí)說(shuō)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(yùn)行效果:
實(shí)現(xiàn)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(zhǎng)(兩個(gè)字以上進(jìn)行匹配) private final int MINSIZE = 2; //重復(fù)詞儲(chǔ)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(nèi)容 BufferedReader in = new BufferedReader(new FileReader(new File(filename).getAbsoluteFile())); try { while ((r = in.readLine()) != null) { //消除不必要的標(biāo)點(diǎn)符號(hào) r = r.replaceAll("\\s+ |“|\\[|‘|《| *|", "").trim(); //留下” , 。 ?!?”。 ”, ? 》 -等作為劃分句子的分割符標(biāo)示 Collections.addAll(result, r.split(",|(?!眧”(。|,)|。)|(\\])|”|'|?|:|》|-")); } }finally { in.close(); } //對(duì)文章內(nèi)容進(jìn)行遍歷找出重讀出現(xiàn)的句子或者是詞語(yǔ) for (int i = 0 ; i < result.size() - 1; i ++){ for (int j = 0 ; j < result.size() - i - 1; j ++) { //將重復(fù)出現(xiàn)的詞語(yǔ)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(zhǎng)度最短為兩個(gè)字長(zhǎng) int range =2; //設(shè)定短句和長(zhǎng)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(shí)超出范圍 while (start + range <= minS.length()) { //如果句子或詞在對(duì)象里面,則找出相應(yīng)的句子或詞保存在list里面 if (maxS.indexOf(minS.substring(start, start + range)) != -1) { //獲取最長(zhǎng)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(cè)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(fù)出現(xiàn)的詞或句子有以下幾個(gè)詞或句子:\n"); for (String s : result){ System.out.println(s); } } }
讀取的文章內(nèi)容:
正則匹配結(jié)果(去掉多余字符):
字符串轉(zhuǎn)換成ArrayList:
最終處理結(jié)果:
其實(shí)從上面的結(jié)果可以看出。單純的操控字符串并不能判斷它是否是一個(gè)完整的詞和句,應(yīng)該還要配合數(shù)據(jù)庫(kù)字典來(lái)匹配上面的結(jié)果,從而找出真正的詞和句
以上就是本文的全部?jī)?nèi)容,希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來(lái)一定的幫助,同時(shí)也希望多多支持腳本之家!
- Java使用正則表達(dá)式截取重復(fù)出現(xiàn)的XML字符串功能示例
- java實(shí)現(xiàn)輸出字符串中第一個(gè)出現(xiàn)不重復(fù)的字符詳解
- Java中ArrayList去除重復(fù)元素(包括字符串和自定義對(duì)象)
- java統(tǒng)計(jì)字符串中重復(fù)字符出現(xiàn)次數(shù)的方法
- java求數(shù)組元素重復(fù)次數(shù)和java字符串比較大小示例
- 用Java正則去掉字符串中重復(fù)出現(xiàn)的字符
- Java中字符串去重的特性介紹
- Java8新特性之字符串去重介紹
- Java實(shí)現(xiàn)去掉字符串重復(fù)字母的方法示例
相關(guān)文章
Java 中組合模型之對(duì)象結(jié)構(gòu)模式的詳解
這篇文章主要介紹了Java 中組合模型之對(duì)象結(jié)構(gòu)模式的詳解的相關(guān)資料,希望通過(guò)本文能幫助到大家理解應(yīng)用對(duì)象結(jié)構(gòu)模型,需要的朋友可以參考下2017-09-09SpringBoot實(shí)現(xiàn)全局異常的封裝和統(tǒng)一處理
在Spring Boot應(yīng)用中,全局異常的處理是一個(gè)非常重要的方面,本文主要為大家詳細(xì)介紹了如何在Spring Boot中進(jìn)行全局異常的封裝和統(tǒng)一處理,需要的可以參考下2023-12-12Java 中HttpURLConnection附件上傳的實(shí)例詳解
這篇文章主要介紹了Java 中HttpURLConnection附件上傳的實(shí)例詳解的相關(guān)資料,希望通過(guò)本文大家能掌握這樣的知識(shí)內(nèi)容,需要的朋友可以參考下2017-09-09spring-boot-starter-parent的作用詳解
這篇文章主要介紹了spring-boot-starter-parent的作用詳解,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-08-08詳解eclipse項(xiàng)目中.classpath文件的使用
這篇文章主要介紹了詳解eclipse項(xiàng)目中.classpath文件的使用,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-10-10java awt實(shí)現(xiàn)計(jì)算器功能
這篇文章主要為大家詳細(xì)介紹了java awt實(shí)現(xiàn)計(jì)算器功能,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2020-12-12