java - Java中的字符计数器

Question

到目前为止，这是我尝试过的:

public class CharacterCounter {

public static void main(String[] args){

    String string = "sashimi";

    int count = 0;
    for(int i =0; i < string.length(); i++){
        if(string.charAt(i) == 'i'){
            count++;
            }
    }

    System.out.println("The number of letter i is " + count);

} 
}

输出:

 The number of letter i is 2

但我想做的是，程序应该计算最常出现的字符。

例如这里的字符串是SASHIMI，输出应该是:

 the number of letter S is 2
 the number of letter I is 2

我被这个问题困扰了。我需要你的帮助。谢谢。

Answer 1

这将是最快的方法:

final int[] counts = new int[1<<16];

for (char c : <your_string>)
  counts[c]++;

(我刚刚勾画出了迭代所有字符的部分，我相信这是简单的部分，与这个问题没有直接关系)。

基准测试结果

我用三个字符串长度将 HashMap 方法与我的方法进行了比较:

1. 10
2. 1,000
3. 100,000

这些是结果:

Benchmark       Mode Thr    Cnt  Sec         Mean   Mean error    Units
testArray1      thrpt   1      5    5        6.870        0.083 ops/msec
testArray2      thrpt   1      5    5        6.720        0.374 ops/msec
testArray3      thrpt   1      5    5        3.770        0.019 ops/msec
testHashMap1    thrpt   1      5    5     1269.123      251.766 ops/msec
testHashMap2    thrpt   1      5    5       12.776        0.165 ops/msec
testHashMap3    thrpt   1      5    5        0.141        0.005 ops/msec

它们是什么意思？是的，将整个 512K 内存块初始化为零是昂贵的。但支付之后，我的数组算法几乎没有注意到数千个字符呼啸而过。另一方面，HashMap 方法对于非常短的字符串要快得多，但扩展性却要差得多。我猜交叉的字符串长度约为 2k。

我想，这样的字符计数统计数据通常是针对大量文本语料库运行的，而不是像你的名字和姓氏这样的东西，这是没有争议的。

当然，如果您可以假设不会使用完整的 UTF-16 代码点范围，则可以大幅提高数组方法的性能。例如，如果您使用仅容纳最低 1024 个代码点的数组，性能将升至 470 操作/毫秒。