如何使用java 8查找文本文件中的单词总数，元音总数，特殊字符总数

Question

我有一个文本文件，我想检查一下
- 文件中的总字数
- 文件中的总元音计数
- 文件中的总特殊字符

通过使用 Java 8 流。

如果可能，我希望在单次迭代中输出为地图，即

{"totalWordCount":10,"totalVowelCount":10,"totalSpecialCharacter":10}

我试过下面的代码

    Long wordCount=Files.lines(child).parallel().flatMap(line -> Arrays.stream(line.trim().split(" ")))
                            .map(word -> word.replaceAll("[^a-zA-Z]", "").toLowerCase().trim())
                            .filter(word -> !word.isEmpty())
                            .collect(Collectors.groupingBy(Function.identity(), Collectors.counting())).values().stream().reduce(0L, Long::sum)

但它只给了我总字数，我在想是否有可能返回一个包含上述输出和所有字数的单个地图。

Answer 1

如果我们只需要计算特殊字符和元音，我们可以这样使用：

Map<String,Long> result;
try(Stream<String> lines = Files.lines(path)) {
    result = lines
        .flatMap(Pattern.compile("\\s+")::splitAsStream)
        .flatMapToInt(String::chars)
        .filter(c -> !Character.isAlphabetic(c) || "aeiou".indexOf(c) >= 0)
        .mapToObj(c -> "aeiou".indexOf(c)>=0? "totalVowelCount": "totalSpecialCharacter")
        .collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
}

首先，我们将行流扁平化为单词流，然后扁平化为字符流，按类型对它们进行分组。这很顺利，因为“特殊字符”和“元音”是互斥的。原则上，如果我们只是扩展过滤器以跳过空白字符，则可以省略对单词的展平，但在这里，它有助于解决计算单词的问题。

由于单词与字符是不同类型的实体，因此在同一操作中计算它们并不是那么简单。一种解决方案是为每个单词注入一个伪字符，并像最后的其他字符一样对其进行计数。由于所有实际字符都是正数，因此我们可以使用-1：

Map<String,Long> result;
try(Stream<String> lines = Files.lines(path)) {
    result = lines.flatMap(Pattern.compile("\\s+")::splitAsStream)
        .flatMapToInt(w -> IntStream.concat(IntStream.of(-1), w.chars()))
        .mapToObj(c -> c==-1? "totalWordCount": "aeiou".indexOf(c)>=0? "totalVowelCount":
                Character.isAlphabetic(c)? "totalAlphabetic": "totalSpecialCharacter")
        .collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
}

这会将"totalAlphabetic" 类别和其他类别添加到结果映射中。如果您不想这样，您可以在mapToObj 和collect 步骤之间插入一个.filter(cat -> !cat.equals("totalAlphabetic")) 步骤。或者在mapToObj 步骤之前使用第一个解决方案中的过滤器。

作为附加说明，这个解决方案做的工作比必要的多，因为它将输入分成几行，这不是必需的，因为我们可以像处理其他空格一样处理换行符，即作为单词边界。从 Java 9 开始，我们可以使用 Scanner 来完成这项工作：

Map<String,Long> result;
try(Scanner scanner = new Scanner(path)) {
    result = scanner.findAll("\\S+")
        .flatMapToInt(w -> IntStream.concat(IntStream.of(-1), w.group().chars()))
        .mapToObj(c -> c==-1? "totalWordCount": "aeiou".indexOf(c)>=0? "totalVowelCount":
                Character.isAlphabetic(c)? "totalAlphabetic": "totalSpecialCharacter")
        .collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
}

这将首先将输入拆分为单词，而无需特别处理换行符。 This answer 包含与 Java 8 兼容的 Scanner.findAll 实现。

上述解决方案将每个既不是空格也不是字母的字符都视为“特殊字符”。如果您对“特殊字符”的定义不同，那么调整解决方案应该不会太难。