使用 StreamTokenizer () 、 HashMap() 、 HashSet() 计算词频。在 Java 核心

Question

import java.io.*;
import java.util.*;
class A {
    public static void main(String args[]) throws Exception {
        Console con = System.console();
        String str;
        int i=0;
  
        HashMap map = new HashMap();
        HashSet set = new HashSet();
 
        System.out.println("Enter File Name : ");
        str = con.readLine();
        File f = new File(str);
        f.createNewFile();
        
        FileInputStream fis = new FileInputStream(str);
        StreamTokenizer st = new StreamTokenizer(fis);
        while(st.nextToken()!=StreamTokenizer.TT_EOF) {
         String s;
    
         switch(st.ttype) {
             case StreamTokenizer.TT_NUMBER:  s = st.nval+"";
             break;
              case StreamTokenizer.TT_WORD:    s = st.sval;
               break;
                default: s = ""+((char)st.ttype);
            }


            map.put(i+"",s);
            set.add(s);
            i++;
        }
 
        Iterator iter = set.iterator();
        System.out.println("Frequency Of Words :");
        while(iter.hasNext()) {
          String word;
          int count=0;
          word=(String)iter.next();
          
            for(int j=0; j<i ; j++) {
             String word2;
              word2=(String)map.get(j+"");
               if(word.equals(word2))
                count++;
            }
            System.out.println(" WORD : "+ word+" = "+count);
        }
        System.out.println("Total Words In Files: "+i);
    }
}

在这段代码中，首先我已经创建了一个包含以下数据的文本文件：

@Hello Hii World # * c++ java salesforce

这段代码的输出是：

**词频：

字：# = 1

字：@ = 1

字：c = 1

单词：salesforce = 1

字：* = 1

字 : Hii = 1

字：+ = 2

字：java = 1

字：世界 = 1

单词：你好 = 1

文件总字数：11**

我无法找到为什么这会将 c++ 显示为单独的单词。我 想在输出中将 c++ 组合为一个单词

Answer 1

你可以这样做

    // Create the file at path specified in the String str
    // ...
    HashMap<String, Integer> map = new HashMap<>();
    InputStream fis = new FileInputStream(str);
    Reader bufferedReader = new BufferedReader(new InputStreamReader(fis));

    StreamTokenizer st = new StreamTokenizer(bufferedReader);
    st.wordChars('+', '+');
    while(st.nextToken() != StreamTokenizer.TT_EOF) {
        String s;

        switch(st.ttype) {
            case StreamTokenizer.TT_NUMBER:
                s = String.valueOf(st.nval);
                break;
            case StreamTokenizer.TT_WORD:
                s = st.sval;
                break;
            default:
                s = String.valueOf((char)st.ttype);
        }
        Integer val = map.get(s);
        if(val == null)
            val = 1;
        else
            val++;
        map.put(s, val);
    }

    Set<String> keySet = map.keySet();
    Iterator<String> iter = keySet.iterator();
    System.out.println("Frequency Of Words :");
    int sum = 0;
    while(iter.hasNext()) {
        String word = iter.next();
        int count = map.get(word);
        sum += count;
        System.out.println(" WORD : " + word + " = " + count);
    }
    System.out.println("Total Words In Files: " + sum);

请注意，我使用泛型而不是原始版本的 HashMap 和 Iterator 更新了您的代码。此外，您用于 StreamTokenizer 的构造函数已被弃用。使用 map 和 set 是没有用的，因为您可以使用 .keySet() 方法迭代 map 的键集。映射现在从 String（单词）变为 Integer（单词数）。

无论如何，关于您所做的示例，我认为简单的拆分方法会更合适。

有关 StreamTokenizer 的 wordChars 方法的更多信息，您可以查看#wordChars(int, int)