使用StreamTokenizer（），HashMap（），HashSet（）计算单词频率。在Java Core中

Question

import java.io.*;
import java.util.*;
class A {
    public static void main(String args[]) throws Exception {
        Console con = System.console();
        String str;
        int i=0;

        HashMap map = new HashMap();
        HashSet set = new HashSet();

        System.out.println("Enter File Name : ");
        str = con.readLine();
        File f = new File(str);
        f.createNewFile();

        FileInputStream fis = new FileInputStream(str);
        StreamTokenizer st = new StreamTokenizer(fis);
        while(st.nextToken()!=StreamTokenizer.TT_EOF) {
         String s;

         switch(st.ttype) {
             case StreamTokenizer.TT_NUMBER:  s = st.nval+"";
             break;
              case StreamTokenizer.TT_WORD:    s = st.sval;
               break;
                default: s = ""+((char)st.ttype);
            }


            map.put(i+"",s);
            set.add(s);
            i++;
        }

        Iterator iter = set.iterator();
        System.out.println("Frequency Of Words :");
        while(iter.hasNext()) {
          String word;
          int count=0;
          word=(String)iter.next();

            for(int j=0; j<i ; j++) {
             String word2;
              word2=(String)map.get(j+"");
               if(word.equals(word2))
                count++;
            }
            System.out.println(" WORD : "+ word+" = "+count);
        }
        System.out.println("Total Words In Files: "+i);
    }
}

在此代码中我首先创建了一个包含以下数据的文本文件：

@Hello Hii World＃* c ++ java salesforce

这段代码的输出是：

**单词频率：

WORD：＃= 1

WORD：@ = 1

WORD：c = 1

WORD：salesforce = 1

WORD：* = 1

WORD：这= 1

WORD：+ = 2

WORD：java = 1

WORD：世界= 1

WORD：你好= 1

文件中的总字数：11 **

在哪里我无法找到为什么这显示c ++作为一个单独的单词。我想将c ++组合为输出中的单个单词

Answer 1

你可以这样做

    // Create the file at path specified in the String str
    // ...
    HashMap<String, Integer> map = new HashMap<>();
    InputStream fis = new FileInputStream(str);
    Reader bufferedReader = new BufferedReader(new InputStreamReader(fis));

    StreamTokenizer st = new StreamTokenizer(bufferedReader);
    st.wordChars('+', '+');
    while(st.nextToken() != StreamTokenizer.TT_EOF) {
        String s;

        switch(st.ttype) {
            case StreamTokenizer.TT_NUMBER:
                s = String.valueOf(st.nval);
                break;
            case StreamTokenizer.TT_WORD:
                s = st.sval;
                break;
            default:
                s = String.valueOf((char)st.ttype);
        }
        Integer val = map.get(s);
        if(val == null)
            val = 1;
        else
            val++;
        map.put(s, val);
    }

    Set<String> keySet = map.keySet();
    Iterator<String> iter = keySet.iterator();
    System.out.println("Frequency Of Words :");
    int sum = 0;
    while(iter.hasNext()) {
        String word = iter.next();
        int count = map.get(word);
        sum += count;
        System.out.println(" WORD : " + word + " = " + count);
    }
    System.out.println("Total Words In Files: " + sum);

请注意，我使用Generics而不是HashMap和Iterator的原始版本更新了代码。此外，不推荐使用您用于StreamTokenizer的构造函数。 map和set的使用都没用，因为你可以使用.keySet（）方法遍历地图的键集。地图现在从String（单词）到Integer（单词计数）。

无论如何，关于你做的例子，我认为一个简单的拆分方法会更合适。

有关StreamTokenizer的wordChars方法的更多信息，您可以查看#wordChars(int, int)