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
以上是Java实现读取文章中重复出现的中文字符串的示例代码分析的详细内容。更多信息请关注PHP中文网其他相关文章!

新兴技术对Java的平台独立性既有威胁也有增强。1)云计算和容器化技术如Docker增强了Java的平台独立性,但需要优化以适应不同云环境。2)WebAssembly通过GraalVM编译Java代码,扩展了其平台独立性,但需与其他语言竞争性能。

不同JVM实现都能提供平台独立性,但表现略有不同。1.OracleHotSpot和OpenJDKJVM在平台独立性上表现相似,但OpenJDK可能需额外配置。2.IBMJ9JVM在特定操作系统上表现优化。3.GraalVM支持多语言,需额外配置。4.AzulZingJVM需特定平台调整。

平台独立性通过在多种操作系统上运行同一套代码,降低开发成本和缩短开发时间。具体表现为:1.减少开发时间,只需维护一套代码;2.降低维护成本,统一测试流程;3.快速迭代和团队协作,简化部署过程。

Java'splatformindependencefacilitatescodereusebyallowingbytecodetorunonanyplatformwithaJVM.1)Developerscanwritecodeonceforconsistentbehavioracrossplatforms.2)Maintenanceisreducedascodedoesn'tneedrewriting.3)Librariesandframeworkscanbesharedacrossproj

要解决Java应用程序中的平台特定问题,可以采取以下步骤:1.使用Java的System类查看系统属性以了解运行环境。2.利用File类或java.nio.file包处理文件路径。3.根据操作系统条件加载本地库。4.使用VisualVM或JProfiler优化跨平台性能。5.通过Docker容器化确保测试环境与生产环境一致。6.利用GitHubActions在多个平台上进行自动化测试。这些方法有助于有效地解决Java应用程序中的平台特定问题。

类加载器通过统一的类文件格式、动态加载、双亲委派模型和平台无关的字节码,确保Java程序在不同平台上的一致性和兼容性,实现平台独立性。

Java编译器生成的代码是平台无关的,但最终执行的代码是平台特定的。1.Java源代码编译成平台无关的字节码。2.JVM将字节码转换为特定平台的机器码,确保跨平台运行但性能可能不同。

多线程在现代编程中重要,因为它能提高程序的响应性和资源利用率,并处理复杂的并发任务。JVM通过线程映射、调度机制和同步锁机制,在不同操作系统上确保多线程的一致性和高效性。


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

螳螂BT
Mantis是一个易于部署的基于Web的缺陷跟踪工具,用于帮助产品缺陷跟踪。它需要PHP、MySQL和一个Web服务器。请查看我们的演示和托管服务。

禅工作室 13.0.1
功能强大的PHP集成开发环境

ZendStudio 13.5.1 Mac
功能强大的PHP集成开发环境

SublimeText3汉化版
中文版,非常好用

Atom编辑器mac版下载
最流行的的开源编辑器