java - 在大文件中查找重复项和排列

Question

我有一个问题一直想解决。我试图做的是找到包含相同字符的条目对的数量(每一行都是一个条目)。

我的方法是阅读每一行，对行进行排序，然后与其他行进行比较。问题是我没有得到每一对重复项。

这是我的代码:

public static int countduplicates(String dbfilename) throws IOException {
    int counter = 0;

    Set<String> checker;
    BufferedReader list = new BufferedReader( new FileReader( dbfilename ) );
    String line;
    TreeMap<String,Integer> map  = new TreeMap<>();

    while ( (line = list.readLine()) != null )
    {
       String newline= sorted(line);

       System.out.println("Sorted: " + newline);

        if (!map.containsKey(newline))
        {
            map.put(newline, 0);
        }
        else {
            counter++;
            map.put(newline, 1);
        }
    }



    list.close();
    return counter;

}
}

我明白为什么它不起作用，因为例如如果我有这样的输入文件:

BCDEFGH
ABACD
BDCEF
BDCAA
DBACA
DABACA
DABAC

排序后我会得到

BCDEFGH
AABCD
BCDEF
AABCD
AABCD (*)
AAABCD
AABCD

但是只会得到输出 3 而不是 6，因为 (*) 在应该加 2 的时候只会加 1 到计数器。你们中的任何人能给我任何关于如何继续解决这个问题的提示吗？

Answer 1

如果我没理解错的话首先，map 不允许有重复的键。我在你的代码中看到

 else 
 {
 counter++;
 map.put(newline, 1);
 }

无论条目出现了多少次，您始终将条目计数设置为 1。

例如，AABCD 在 map 中出现三次为 1。

"But will only get the output 3 instead of 6 because (*) will only add 1 to counter when it should add 2. "

那是因为我上面提到的， map 不允许重复的键。

BCDEFGH
AABCD 
BCDEF 
AABCD
AABCD 
AAABCD 
AABCD 

将会

BCDEFGH -> 1 times
AABCD   -> 4 times
BCDEF   -> 1 times
AAABCD  -> 1 times

您可以阅读有关 map 的更多信息 here.