java - 如何从java中的txt文件生成连续字符频率矩阵？

Question

我有一个很大的 txt 文件(2GB)。我使用以下代码片段逐个字符读取整个 txt 文件，以找出整个 txt 文件中每个字符的频率。

BufferedReader reader = new BufferedReader(
                new InputStreamReader(
                        new FileInputStream(file),
                        Charset.forName("UTF-8")));
        int c;
        while ((c = reader.read()) != -1) {
            char ch = (char) c;
            // rest of the code
        }

现在我需要生成一个包含连续字符频率的矩阵。例如，字符“b”在字符“a”之后出现了多少次(连续的、直接的字符)，反之亦然。

假设，我有一个输入字符串(来自文件):cad bed abed dada

频率矩阵就像 Please click here to see the image

如何做到这一点？将不胜感激任何帮助和建议。谢谢。

Answer 1

跟踪最后读取的字符。如果lastchar=='' 继续。使用 Map 来存储值。然后您可以循环组合并从 Map 中提取值，或者您可以通过从当前字符对中减去 char 'a' 的 int 值来直接寻址二维数组。

    Map<String, Integer> table = new HashMap<>();
    String last = "";
    for (char c : input.toCharArray()) {
        if (last.isEmpty()) {
            last = String.format("%c", c);
            continue;
        }
        String thing = last + c;
        Integer count = table.getOrDefault(thing, 0);
        table.put(thing, count + 1);
        last = String.format("%c", c);
    }