java - 使用 Java 从文件中查找 'n' 最频繁的单词？

Question

我想读取一个文件，并希望根据词频收集前n个词。

我尝试了以下代码来计算字符串中的每个单词。

public static void main(String[] args) throws FileNotFoundException, IOException {
     FileReader fr = new FileReader("txtFile.txt");
     BufferedReader br = new BufferedReader(fr);
     String text = "";
     String sz = null;
     while ((sz = br.readLine()) != null) {
         text = text.concat(sz);
     }
     String[] words = text.split(" ");
     String[] uniqueLabels;
     int count = 0;
     System.out.println(text);
     uniqueLabels = getLabels(words);

     for (String l: uniqueLabels) {
         if ("".equals(l) || null == l) {
             break;
         }
         for (String s: words) {
             if (l.equals(s)) {
                 count++;
             }
         }
         System.out.println("Word :: " + l + " Count :: " + count);
         count = 0;
     }
 }

并且我使用以下代码收集唯一的 lbels(words) get if from link ,

private static String[] getLabels(String[] keys) {
      String[] uniqueKeys = new String[keys.length];

      uniqueKeys[0] = keys[0];
      int uniqueKeyIndex = 1;
      boolean keyAlreadyExists = false;

      for (int i = 1; i < keys.length; i++) {
          for (int j = 0; j <= uniqueKeyIndex; j++) {
              if (keys[i].equals(uniqueKeys[j])) {
                  keyAlreadyExists = true;
              }
          }

          if (!keyAlreadyExists) {
              uniqueKeys[uniqueKeyIndex] = keys[i];
              uniqueKeyIndex++;
          }
          keyAlreadyExists = false;
      }
      return uniqueKeys;
  }

这很好用，我想收集排名前 10 位的单词，这取决于它在文件中的出现频率。

Answer 1

首先，如果您希望它运行得比较快，请不要遍历数组中的所有字符串...使用 HashMap...或者甚至为基元查找一些映射。

然后通过单词。如果单词在 map 中，则增加值，否则放 1。最后，对映射条目进行排序并获取前 10 个。

不是完全重复，但这个答案几乎展示了如何完成计数:Calculating frequency of each word in a sentence in java