这里有新鲜出炉的 Java 并发编程示例,程序狗速度看过来!
java 是一种可以撰写跨平台应用软件的面向对象的程序设计语言,是由 Sun Microsystems 公司于 1995 年 5 月推出的 Java 程序设计语言和 Java 平台(即 JavaEE(j2ee), JavaME(j2me), JavaSE(j2se))的总称。
本文主要介绍了 Java 实现读取文章中重复出现的中文字符串的方法。具有很好的参考价值。下面跟着小编一起来看下吧
在上个星期阿里巴巴一面的时候,最后面试官问我如何把一篇文章中重复出现的词或者句子找出来,当时太紧张,答的不是很好。今天有时间再来亲手实现一遍。其实说白了也就是字符串的处理,所以难度并不是很大。
以下是代码和运行效果:
实现方法:
- import java.io. * ;
- import java.util. * ;
- /**
- * Created by chunmiao on 17-3-20.
- */
- public class ReadArticle {
- //读取文件名称
- private String filename;
- //读取段落
- private ArrayList < String > result = new ArrayList < >();
- //最小字长(两个字以上进行匹配)
- private final int MINSIZE = 2;
- //重复词储存
- HashSet < String > set;
- public ReadArticle(String filename, HashSet < String > set) {
- this.filename = filename;
- this.set = set;
- }
- public void createData() throws IOException {
- String r;
- //读取文章内容
- BufferedReader in =new BufferedReader(new FileReader(new File(filename).getAbsoluteFile()));
- try {
- while ((r = in.readLine()) != null) {
- //消除不必要的标点符号
- r = r.replaceAll("\\s+ |"|\\[|'|《|*|", "").trim();
- //留下" , 。 。" "。 ", ? 》 -等作为划分句子的分割符标示
- Collections.addAll(result, r.split(",|(。"|"(。|,)|。)|(\\])|"|'|?|:|》|-"));
- }
- } finally { in .close();
- }
- //对文章内容进行遍历找出重读出现的句子或者是词语
- for (int i = 0; i < result.size() - 1; i++) {
- for (int j = 0; j < result.size() - i - 1; j++) {
- //将重复出现的词语保存到set集合里面
- set.addAll(getSameCharacter(result.get(i), result.get(j + i + 1)));
- }
- }
- }
- private ArrayList < String > getSameCharacter(String a1, String a2) {
- String maxS;
- String minS;
- //短句遍历开始处
- int start = 0;
- //词的长度最短为两个字长
- int range = 2;
- //设定短句和长句s,使得遍历更加快捷
- if (a1.length() <= a2.length()) {
- maxS = a2;
- minS = a1;
- } else {
- maxS = a1;
- minS = a2;
- }
- String result = "";
- ArrayList < String > list = new ArrayList < String > ();
- //防止substring时超出范围
- while (start + range <= minS.length()) {
- //如果句子或词在对象里面,则找出相应的句子或词保存在list里面
- if (maxS.indexOf(minS.substring(start, start + range)) != -1) {
- //获取最长句子,删除短句子
- list.remove(result);
- list.add(minS.substring(start, start + range));
- result = minS.substring(start, start + range);
- range++;
- continue;
- }
- range = MINSIZE;
- start++;
- }
- return list;
- }
- }
测试代码:
- import java.io.IOException;
- import java.util.HashSet;
- public class Main {
- public static void main(String[] args) throws IOException {
- String filename = "test.txt";
- HashSet < String > result = new HashSet < String > ();
- ReadArticle read = new ReadArticle(filename, result);
- read.createData();
- System.out.println("这篇文章中的重复出现的词或句子有以下几个词或句子:\n");
- for (String s: result) {
- System.out.println(s);
- }
- }
- }
读取的文章内容:
正则匹配结果(去掉多余字符):
字符串转换成 ArrayList:
最终处理结果:
其实从上面的结果可以看出。单纯的操控字符串并不能判断它是否是一个完整的词和句,应该还要配合数据库字典来匹配上面的结果,从而找出真正的词和句
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,同时也希望多多支持 PHPERZ!
来源: http://www.phperz.com/article/17/1221/357906.html