Java Stream API 中怎么通过 groupingBy 结合 counting 实现高频词汇的统计分析-java教程-PHP中文网

使用collectors.groupingby配合collectors.counting()可一行代码高效统计词频，支持忽略大小写、正则清洗、按频次排序取top n及多级分组等扩展功能。

java stream api 中怎么通过 groupingby 结合 counting 实现高频词汇的统计分析

直接用 Collectors.groupingBy 配合 Collectors.counting() 就能高效统计词频，无需手动遍历或维护 Map。

基础用法：一行代码完成分组计数

假设你有一组单词（如字符串列表），想统计每个词出现的次数：

用 groupingBy 指定按单词本身分组
用 counting() 作为下游收集器，自动累加每组元素个数
结果是 Map<string long></string>，键为词汇，值为出现频次

示例代码：

List words = Arrays.asList("apple", "banana", "apple", "cherry", "banana", "apple");
Map wordCount = words.stream()
.collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
// 结果：{apple=3, banana=2, cherry=1}

按频率排序并取 Top N

统计完词频后，通常还需排序和截取高频词。Stream 本身不支持直接对 Map 排序，但可转成 entrySet 流处理：

Java JDK 25

Java JDK 25 来自 OpenJDK 官方归档，版本为 JDK 25，本条下载地址已指向官方 Windows x64 zip 安装包直链，适合调试旧项目或兼容旧版 Java 运行环境。

下载

调用 entrySet().stream() 把 Map 转为流
用 sorted(Map.Entry.<string long>comparingByValue(Comparator.reverseOrder()))</string> 降序排频次
用 limit(n) 取前 N 个
最后可转回 Map 或只保留 key

例如取 Top 3：

List> top3 = wordCount.entrySet().stream()
  .sorted(Map.Entry.comparingByValue(Comparator.reverseOrder()))
  .limit(3)
  .collect(Collectors.toList());

忽略大小写与清洗文本

真实场景中，需预处理原始文本才能准确统计：

先用 map(String::toLowerCase) 统一大小写
用正则 split("\W+") 或 Pattern.compile("\W+").splitAsStream() 拆分单词，过滤空字符串
可链式添加 filter(s -> !s.isEmpty()) 去除空白项

完整流程示例：

String text = "Apple apple BANANA, apple! cherry.";
Map cleanCount = Pattern.compile("\W+")
  .splitAsStream(text)
  .map(String::toLowerCase)
  .filter(s -> !s.isEmpty())
  .collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));

扩展：多级分组或带条件筛选

如果需要更复杂的分析，比如“统计长度大于 3 的词的频次”，可在流中间插入 filter：

filter(word -> word.length() > 3) 再分组
若要按首字母分组再统计频次，可用 groupingBy(word -> word.charAt(0))，下游仍接 counting()
也可嵌套使用，比如先按长度分组，再在各组内统计具体词汇频次：groupingBy(String::length, groupingBy(Function.identity(), counting()))