Java 8 Streams - 如何比较元素？

Question

我想使用 Java Stream 在.txt 文件中查找字谜。这是我所拥有的：

try (InputStream is = new URL("http://wiki.puzzlers.org/pub/wordlists/unixdict.txt").openConnection().getInputStream();
     BufferedReader reader = new BufferedReader(new InputStreamReader(is));
     Stream<String> stream = reader.lines()) {

还有变位法：

public boolean isAnagram(String firstWord, String secondWord) {
    char[] word1 = firstWord.replaceAll("[\\s]", "").toCharArray();
    char[] word2 = secondWord.replaceAll("[\\s]", "").toCharArray();
    Arrays.sort(word1);
    Arrays.sort(word2);
    return Arrays.equals(word1, word2);
}

如何使用 Java 8 Stream 检查 unixdict.txt 中的单词是否是字谜？有什么方法可以将一个单词与流中的所有单词进行比较？

Answer 1

当您要查找所有字谜时，不建议尝试将一个单词与所有其他单词进行比较，因为您最终会将每个单词与其他单词进行比较，这称为二次time complexity。处理 1000 个单词，需要一百万个比较，处理 100,000 个单词，需要 10,000,000,000 个比较，以此类推。

您可以更改您的 isAnagram 方法，为 HashMap 等数据结构提供查找键：

static CharBuffer getAnagramKey(String s) {
    char[] word1 = s.replaceAll("[\\s]", "").toCharArray();
    Arrays.sort(word1);
    return CharBuffer.wrap(word1);
}

CharBuffer 类包装了一个char[] 数组并提供了必要的equals 和hashCode 方法，而无需复制数组内容，这使得构造一个新的String 更可取。

附带说明，.replaceAll("[\\s]", "") 可以简化为 .replaceAll("\\s", "")，两者都会消除所有空格字符，但您问题的示例输入根本没有空格字符。要删除所有非单词字符，如撇号和 & 符号，您可以使用 s.replaceAll("\\W", "")。

然后，您可以处理所有单词以在单个线性传递中找到字谜

URL srcURL = new URL("http://wiki.puzzlers.org/pub/wordlists/unixdict.txt");
try(InputStream is = srcURL.openStream();
    BufferedReader reader = new BufferedReader(new InputStreamReader(is));
    Stream<String> stream = reader.lines()) {

    stream.collect(Collectors.groupingBy(s -> getAnagramKey(s)))
        .values().stream()
        .filter(l -> l.size() > 1)
        .forEach(System.out::println);
}

使用此解决方案，对于较大的单词列表，打印可能会成为更昂贵的部分。所以你可能会改变流的操作，例如下面打印前十个字谜组合：

stream.collect(Collectors.groupingBy(s -> getAnagramKey(s)))
    .values().stream()
    .filter(l -> l.size() > 1)
    .sorted(Collections.reverseOrder(Comparator.comparingInt(List::size)))
    .limit(10)
    .forEach(System.out::println);

Answer 2

这行得通。我首先在流中做了所有的事情，但这样效率更高。

      InputStream is = new URL("http://wiki.puzzlers.org/pub/wordlists/unixdict.txt")
              .openConnection().getInputStream();
      BufferedReader reader = new BufferedReader(new InputStreamReader(is));

      String word = "germany";
      final String sword = sortedWord(word);
      reader.lines().filter(w -> sortedWord(w).compareTo(sword) == 0).forEach(
            System.out::println);

      static String sortedWord(String w) {
         char[] chs = w.toCharArray();
         Arrays.sort(chs);
         return String.valueOf(chs);
      }

一个可能的改进是首先过滤单词的长度。你可能想试试这个word list，因为里面有更多的词。

Answer 3

我认为您最好的选择可能是使用 multimap 收集器将流转换为 Guava multimap，使用字符串的排序版本作为映射的键。有关如何执行此操作的示例，请参阅 Cleanest way to create a guava MultiMap from a java8 stream。如果您只想要生成的字谜集，则可以使用 multimap.asMap().entrySet().stream()... 根据您的需要过滤和收集结果。