为什么我的单词计数器有时会减一？答案

【问题标题】：Why is my word counter sometimes off by one?为什么我的单词计数器有时会减一？
【发布时间】：2016-05-17 05:04:28
【问题描述】：

大部分时间它都能正常工作。很少会倒数。有什么猜测吗？

public static int countWords(File file) throws FileNotFoundException, IOException{
        BufferedReader br = new BufferedReader(new FileReader(file));
        String line;
        List<String> strList = new ArrayList<>();

        while ((line=br.readLine())!=null){
            String[] strArray= line.split("\\s+");
            for (int i=0; i<strArray.length;i++){
                strList.add(strArray[i]);
            }
        }
        return strList.size();

    }

特别是在下面的示例中，它给出的是 3 而不是 2：

\n
             k

【问题讨论】：

您认为\n 是一个词吗？我认为k 是您示例中唯一的 word。
我猜它将新行计为 1，tab 计为 2nd，然后 k 计为 3rd ;)
我该如何解决？ @BilboBaggins
尝试创建一个集合/映射或其他一些数据结构来保存您不想计算的所有关键字/单词，或者另一种方法是从您的首先是字符串，然后从中查找单词。
特别是在下面的示例中，它给出了 3 而不是 2 好的。这三个元素的价值是什么？是[, \n, k] 吗？ \n 之前有空行吗？是\n[tab][newLine][tab]k 吗？

标签： java string file bufferedreader filereader

【解决方案1】：

我猜第二行被分成两个字符串，“”和“k”。请看下面的代码：

import java.util.Arrays;

public static void main(String[] args) {
    String str = "           k";
    String[] array = str.split("\\\s+");
    System.out.println("length of array is " + array.length); // length is 2
    System.out.println(Arrays.toString(array)); //array is [, k]
}

【讨论】：

【解决方案2】：

如果您使用的是 Java 8，则可以使用 Streams 并过滤您认为是“单词”的内容。例如：

    List<String> l = Files.lines(Paths.get("files/input.txt")) // Read all lines of your input text
            .flatMap(s->Stream.of(s.split("\\s+"))) // Split each line by white spaces
            .filter(s->s.matches("\\w")) // Keep only the "words" (you can change here as you want)
            .collect(Collectors.toList()); // Put the stream in a List

在这种特定情况下，它将输出[k]。

您当然可以在 Java 7 中执行相同的操作，方法是调整您的代码并将此条件添加到您的 for 循环中：

if(strArray[i].matches("\\w"))
    strList.add(strArray[i]); // Keep only the "words" - again, use your own criteria

只是比较麻烦。

希望对你有帮助。

【讨论】：

为什么要把流拖到这么简单的问题上？
文件是行流，行是词流。无需使用BufferedReader 和FileReader 或进行显式循环。结果更短，更易读。
但是您将整个文件读入内存。如果文件很大，逐行读取会更好。你的代码会消耗更多的内存。