使用Java计算字符串中单词出现次数的快速方法

Question

我想使用 Java 快速有效地查找一个单词在字符串中出现的次数。

单词以空格分隔，我正在寻找完整的单词。

Example: 
string: "the colored port should be black or white or brown"
word: "or"
output: 2

对于上面的例子，“colored”和“port”不计算在内，但是“or”被计算在内。

我考虑过使用 substring() 和 contains() 并迭代字符串。但是接下来我们需要检查我认为效率不高的周围空间。 StringUtils.countMatches() 效率也不高。

我尝试过的最好的方法是在空间上分割字符串并迭代单词，然后将它们与给定的 word 匹配：

String string = "the colored port should be black or white or brown";
String[] words = string.split(" ");
String word = "or";
int occurrences = 0;
for (int i=0; i<words.length; i++)
    if (words[i].equals(word))
        occurrences++;
System.out.println(occurrences);

但我期待一些使用 Matcher 和 regex 的有效方法。

于是我测试了以下代码：

        String string1 = "the colored port should be black or white or brown or";
        //String string2 = "the color port should be black or white or brown or";
        String word = "or";
        Pattern pattern = Pattern.compile("\\s(" + word + ")|\\s(" + word + ")|(" + word + ")\\s");
        Matcher  matcher = pattern.matcher(string1);
        //Matcher  matcher = pattern.matcher(string2);
        int count = 0;
        while (matcher.find()){
            match=matcher.group();
            count++;
        }
        System.out.println("The word \"" + word + "\" is mentioned " + count + " times.");

它应该足够快，并为我提供了 string1 的正确答案，但不是 string2（已评论）。正则表达式似乎需要稍作改动。

有什么想法吗？

Answer 1

我对三个答案进行了实验和评估； split based 和 Matcher based（如问题中所述）和 Collections.frequency() 基于（如@上面的评论中所述4城堡）。每次我测量一个循环重复 1000 万次的总时间。因此，基于拆分的答案往往是最有效的方式：

String string = "the colored port should be black or white or brown";
String[] words = string.split(" ");
String word = "or";
int occurrences = 0;
for (int i=0; i<words.length; i++)
    if (words[i].equals(word))
        occurrences++;
System.out.println(occurrences);

然后是基于 Collections.frequency() 的答案，运行时间稍长（慢约 5%）：

String string = "the colored port should be black or white or brown or";
String word = "or";
int count = Collections.frequency(Arrays.asList(string.split(" ")), word);
System.out.println("The word \"" + word + "\" is mentioned " + count + " times.");

基于匹配器的解决方案（在问题中提到）要慢得多（运行时间增加约 5 倍）。

Answer 2

public class Test {
public static void main(String[] args) {
    String str= "the colored port should be black or white or brown";
    Pattern pattern = Pattern.compile(" or ");
    Matcher  matcher = pattern.matcher(str);

    int count = 0;
    while (matcher.find())
        count++;

    System.out.println(count);    
}

}

Answer 3

这个怎么样？假设word 不会有空格。

string.split("\\s"+word+"\\s").length - 1;