Java中的字符串规范化答案

【问题标题】：String Normalization in JavaJava中的字符串规范化
【发布时间】：2014-05-10 07:11:46
【问题描述】：

我正在尝试编写一个程序，从文本文件中读取单词并将其唯一地插入到数组中，同时为每个单词保留单独的计数。此外，我需要去掉标点符号并将所有字母移动到小写。

任何人都可以帮助它，将不胜感激。

    import java.util.Scanner;
    import java.io.*;

    public class text {

    public static void main (String [] args){

        try 
        {           
            String currentWord,normalizedWord;
            String word [] = new String [1000];
            int freq [] = new int [1000];
            int wCnt = 0;
            int loc;
            Scanner kb = new Scanner(System.in);

            //get the name of the file
            System.out.print("Enter the name of a file:");
            String filename = kb.nextLine();

            //Open file
            File file = new File(filename);
            Scanner inputFile = new Scanner(file);          

            while(inputFile.hasNext()){

                currentWord = inputFile.next();
                normalizedWord = normalize(currentWord);
                System.out.println("The normalized word is: " + normalizedWord);
                loc = search(word,wCnt,normalizedWord);
                print(word,wCnt);
                if(loc == -1){

                    insertUnique(word, freq, wCnt, normalizedWord);

                    freq[loc]++;
                    wCnt++;                 
                }

                else
                    freq[loc]++;                
            }

        }
        catch (FileNotFoundException e){
            System.out.println(e.getMessage());
            System.exit(0);
        }
    }

    public static void print(String[] word, int wCnt) {
            System.out.print("{ ");

            for (int i=0; i < wCnt; i++)
                System.out.print(word[i] + " , ");


                System.out.print("}");
            }               



    public static int search(String[] word, int wCnt, String normalizedWord)      {
        for (int i = 0; i < wCnt; i++){
            if (word[i]==normalizedWord)
                return i;                   
        }
        return -1;
    }

    public static int insertUnique(String[] word, int[] freq, int wCnt,
            String normalizedWord) {
        if(!isIn(word,wCnt,normalizedWord)){
            word[wCnt] = normalizedWord;
            wCnt++;
        }
        return wCnt;
    }

    public static boolean isIn(String[] word, int wCnt, String normalizedWord) {

        for (int i = 0; i < wCnt; i++){
            if(word[i]== normalizedWord)
                return true;
        }
                return false;
    }

    public static String normalize(String wrd) {

        if (wrd.charAt(0) == '"' )             
            wrd = wrd.substring(1);            

        int wrdLength = wrd.length();

        //To remove all punctuation
        if (wrd.charAt(wrdLength-1) == '"')         
            wrd = wrd.substring(0,wrdLength -1);    

        //To remove all punctuation
        if (wrd.charAt(wrdLength-1) == '?')
            wrd = wrd.substring(0,wrdLength -1);        
        return wrd;
   }        
}

【问题讨论】：

您到底有什么问题？到目前为止，您的问题是“为我编写代码”。
我正在尝试删除标点符号并将所有大写变为小写
我正在尝试编写一个程序，从文本文件中读取单词并将唯一插入到数组中，同时为每个单词保留单独的计数。我还需要去掉标点符号并将所有字母都变成小写
那么，你的问题是什么？
为什么不使用HashMap<String, Integer>，以您的单词为键，以您的计数为值。

标签： java string normalization

【解决方案1】：

这是一个 HashMap 的例子。

public static void main(String[] args) {
        String sentence = "a b, c a a. d e f? f e d! c a";
        // replace punctutation
        sentence = sentence.replaceAll("[.!?,]", "");
        String[] splittedSentence = sentence.split("\\s");
        HashMap<String, Integer> wordmap = new HashMap<String, Integer>();
        for (String word : splittedSentence) {
            // move all letters to lowercase
            word = word.toLowerCase();

            // count words
            if (wordmap.get(word) != null) {
                wordmap.put(word, wordmap.get(word) + 1);
            } else {
                wordmap.put(word, 1);
            }
        }
        System.out.println(wordmap);
    }

输出：

{a=4, b=1, c=2, d=2, e=2, f=2}

【讨论】：