使用Java正则表达式在HashMap中精确统计特定单词出现频率

大伟同学_4260

大伟同学_4260

2025-07-31

576人浏览

原创

使用Java正则表达式在HashMap中精确统计特定单词出现频率

在处理文本数据时,我们经常会遇到需要在集合中统计特定元素出现频率的需求。当数据以键值对的形式存储在HashMap中,且值是包含文本的字符串时,我们可能需要统计某个特定单词在每个值中出现的次数,并根据这些计数来生成一个包含重复键的列表。

例如,假设我们有一个hashmap,其中键是记录id,值是包含句子的字符串。我们的目标是统计单词“car”在每个句子中出现的次数。如果键为5的句子中“car”出现了4次,那么最终的输出列表中,键5就应该出现4次。

问题分析与初步尝试

最初,我们可能会尝试使用String.contains()方法来判断一个单词是否存在。然而,contains()方法只能判断子字符串是否存在,无法精确匹配整个单词。例如,如果句子中包含“scar”或“carpet”,contains("car")也会返回true,但这并非我们期望的“car”单词。此外,contains()也无法直接提供单词的出现次数。

以下是使用contains()方法的原始尝试代码示例:

import java.util.ArrayList;
import java.util.HashMap;
import java.util.Map;

public class WordCounter {
    public static void main(String[] args) {
        Map<integer string> carHashMap = new HashMap();
        ArrayList<integer> showCarsInMap = new ArrayList();

        carHashMap.put(1, "this car is very fast car");
        carHashMap.put(2, "i have a old car");
        carHashMap.put(3, "my first car was an mercedes and my second car was an audi");
        carHashMap.put(4, "today is a good day");
        carHashMap.put(5, "car car car car");

        for (Map.Entry<integer string> entrySection : carHashMap.entrySet()) {
            if (entrySection.getValue().contains("car")) {
                showCarsInMap.add(entrySection.getKey());
            }
        }
        System.out.println("Car : " + showCarsInMap);
        // 实际输出: Car : [1, 2, 3, 5]
        // 期望输出: Car : [1, 1, 2, 3, 3, 5, 5, 5, 5]
    }
}</integer></integer></integer>

上述代码的输出结果Car : [1, 2, 3, 5]显然不符合预期,它只记录了包含“car”的键,而没有记录“car”出现的次数。

解决方案:利用Java正则表达式

为了精确匹配单词并统计其出现次数,Java的java.util.regex包提供了强大的支持。我们可以使用Pattern类编译正则表达式,然后使用Matcher类在目标字符串中查找所有匹配项。

核心思路是:

  1. 定义一个正则表达式,确保它只匹配完整的单词“car”。
  2. 遍历HashMap中的每个条目。
  3. 对每个条目的值(字符串)创建一个Matcher对象。
  4. 使用matcher.find()方法循环查找所有匹配项,每找到一个匹配项,就将当前条目的键添加到结果列表中。

精确匹配单词的正则表达式

AI舌诊面诊问诊医疗系统+诊疗商城系统源码
AI舌诊面诊问诊医疗系统+诊疗商城系统源码

AI 舌诊面诊问诊医疗系统 + 诊疗商城系统源码是一套结合 AI 辅助诊断与商品转化的健康类程序,基于浩创云、ThinkPHP(PHP)开发,支持微信服务号与 H5 端,适合做中医舌诊面诊问答、健康建议推送以及配套诊疗商品的运营。

下载

要匹配一个完整的单词,我们需要考虑单词边界。一个单词可能出现在字符串的开头、结尾,或者被非单词字符(如空格、标点符号)包围。正则表达式元字符能够很好地处理这些情况:

  • :匹配一个单词字符(w,即字母、数字、下划线)和非单词字符(W)之间的边界,或者字符串的开头/结尾。 因此,car这个正则表达式将精确匹配作为独立单词出现的“car”。

完整的实现代码

import java.util.ArrayList;
import java.util.HashMap;
import java.util.Map;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class WordCounterAccurate {
    public static void main(String[] args) {
        Map<integer string> carHashMap = new HashMap();
        ArrayList<integer> showCarsInMap = new ArrayList();

        carHashMap.put(1, "this car is very fast car");
        carHashMap.put(2, "i have a old car");
        carHashMap.put(3, "my first car was an mercedes and my second car was an audi");
        carHashMap.put(4, "today is a good day");
        carHashMap.put(5, "car car car car");
        carHashMap.put(6, "The carpool lane is for cars."); // 额外测试用例,"cars"不应匹配"car"

        // 编译正则表达式,匹配完整的“car”单词
        Pattern p = Pattern.compile("\bcar\b"); // 使用进行单词边界匹配

        for (Map.Entry<integer string> entrySection : carHashMap.entrySet()) {
            Matcher m = p.matcher(entrySection.getValue());
            // 循环查找所有匹配项
            while (m.find()) {
                showCarsInMap.add(entrySection.getKey());
            }
        }

        System.out.println("Car : " + showCarsInMap);
        // 实际输出: Car : [1, 1, 2, 3, 3, 5, 5, 5, 5]
    }
}</integer></integer></integer>

代码解析:

  1. Pattern p = Pattern.compile("\bcar\b");:这里我们使用了简洁且标准的单词边界元字符来编译正则表达式。
  2. Matcher m = p.matcher(entrySection.getValue());:为当前HashMap条目的值(字符串)创建一个Matcher对象。
  3. while (m.find()):这个循环是关键。m.find()尝试在输入序列中查找下一个匹配序列。如果找到,它返回true并更新Matcher的状态,以便下一次调用从上次匹配结束的位置开始搜索。只要能找到“car”的匹配项,循环就会继续执行。
  4. showCarsInMap.add(entrySection.getKey());:每当m.find()成功找到一个“car”的匹配项时,就将当前的键(entrySection.getKey())添加到showCarsInMap列表中。这样,如果一个键对应的字符串中有N个“car”,该键就会被添加N次。

注意事项与最佳实践

  • 性能优化: 在循环外部编译Pattern对象(Pattern p = Pattern.compile(...))是最佳实践。如果将Pattern.compile()放在循环内部,每次迭代都会重新编译正则表达式,这将导致显著的性能开销,尤其是在处理大量数据时。
  • 大小写敏感性: 默认情况下,正则表达式是大小写敏感的。如果需要进行不区分大小写的匹配(例如,匹配“car”、“Car”和“CAR”),可以在编译Pattern时添加Pattern.CASE_INSENSITIVE标志: Pattern p = Pattern.compile("\bcar\b", Pattern.CASE_INSENSITIVE);
  • 单词定义: 元字符基于w(字母、数字、下划线)和W(非字母、数字、下划线)的转换来定义单词边界。如果你的“单词”定义包含其他字符(如连字符),则可能需要调整正则表达式。例如,如果“car-door”中的“car”也算一个单词,car可能无法匹配,需要更复杂的模式。
  • 多线程环境: Pattern对象是线程安全的,但Matcher对象不是。如果要在多线程环境中使用,每个线程都应该创建自己的Matcher实例。

总结

通过本教程,我们学习了如何利用Java的正则表达式功能,在HashMap中精确统计特定单词的出现频率,并根据计数重复输出对应的键。相较于简单的contains()方法,正则表达式提供了更强大、更灵活的文本匹配能力,是处理复杂字符串模式的理想选择。掌握Pattern和Matcher的使用,将极大地提升你在Java中处理文本数据的能力。

Java免费学习笔记:立即使用
解锁 Java 大师之旅:从入门到精通的终极指南

相关专题

更多
js正则表达式
js正则表达式

php中文网为大家提供各种js正则表达式语法大全以及各种js正则表达式使用的方法,还有更多js正则表达式的相关文章、相关下载、相关课程,供大家免费下载体验。

2023.06.20

5176

8

正则表达式不包含
正则表达式不包含

正则表达式,又称规则表达式,,是一种文本模式,包括普通字符和特殊字符,是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串,通常被用来检索、替换那些符合某个模式的文本。php中文网给大家带来了有关正则表达式的相关教程以及文章,希望对大家能有所帮助。

2023.07.05

3601

4

java正则表达式语法
java正则表达式语法

java正则表达式语法是一种模式匹配工具,它非常有用,可以在处理文本和字符串时快速地查找、替换、验证和提取特定的模式和数据。本专题提供java正则表达式语法的相关文章、下载和专题,供大家免费下载体验。

2023.07.05

10082

9

java正则表达式匹配字符串
java正则表达式匹配字符串

在Java中,我们可以使用正则表达式来匹配字符串。本专题为大家带来java正则表达式匹配字符串的相关内容,帮助大家解决问题。

2023.08.11

832

5

正则表达式空格
正则表达式空格

正则表达式空格可以用“\s”来表示,它是一个特殊的元字符,用于匹配任意空白字符,包括空格、制表符、换行符等。本专题为大家提供正则表达式相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.31

540

5

Python爬虫获取数据的方法
Python爬虫获取数据的方法

Python爬虫可以通过请求库发送HTTP请求、解析库解析HTML、正则表达式提取数据,或使用数据抓取框架来获取数据。更多关于Python爬虫相关知识。详情阅读本专题下面的文章。php中文网欢迎大家前来学习。

2023.11.13

713

12

正则表达式空格如何表示
正则表达式空格如何表示

正则表达式空格可以用“\s”来表示,它是一个特殊的元字符,用于匹配任意空白字符,包括空格、制表符、换行符等。想了解更多正则表达式空格怎么表示的内容,可以访问下面的文章。

2023.11.17

406

3

正则表达式中如何匹配数字
正则表达式中如何匹配数字

正则表达式中可以通过匹配单个数字、匹配多个数字、匹配固定长度的数字、匹配整数和小数、匹配负数和匹配科学计数法表示的数字的方法匹配数字。更多关于正则表达式的相关知识详情请看本专题下面的文章。php中文网欢迎大家前来学习。

2023.12.06

739

7

php正则表达式有哪些
php正则表达式有哪些

php正则表达式有"/pattern/"、"^"、"$"、"."、"[]"、"[^]"、"[a-z]"、"[A-Z]"、"[0-9]"、"\d"、"\D"、"\w"、"\W"、&a

2024.02.23

332

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程