scala计数读取文件中包含的列表中的字符串

Question

我是SO的新手但是花了好几天时间来处理问题。我找到的最接近的相关问题是How to compare each word of a line in a file with a list element in scala?，但这可以追溯到2014年，所以认为现在可能有不同的解决方案。

同样在上面引用的帖子中，最佳答案使用了我试图避免的可变数据结构。 Dima的最后一个答案看起来更实用，但没有奏效:(

我试图在SCALA中创建一个类似的程序，除了输出还应该包含关键字的总计数，并且所有关键字都应该输出，即使没有找到匹配，因此计数将为零。

要检查的关键字被硬编码到列表中，但是我还想添加包含关键字的第二个用户提供的参数的选项。到目前为止，我已经到了以下但是很糟糕：

object FileAnalyser extends App {

val hardcodedkeywords = List("foo", "bar", "hello")

if (args.length > 1) {
  val keywords = args(1).toList
  try {
    val rdd = Source.fromFile(args(0)).getLines.toList.zipWithIndex.flatMap {
      case(line, index) => line.split("\\W+").map { (_, index+1) }
    } //.filter(keywords.contains(_)).groupBy { _._1 }.mapValues(_._2)
  } catch {
    case ioe: IOException => println(ioe)
    case fnf: FileNotFoundException => println(fnf)
    case _: Throwable => println("Uknown error occured")
  }
} else 
  try {
    val rdd = Source.fromFile(args(0)).getLines.toList.zipWithIndex.flatMap {
      case(line, index) => line.split("\\W+").map { (_, index+1) }
    } //filter(hardcodedkeywords.contains(_))
      //.groupBy { _._1 }.mapValues(_._2)
  } catch {
    case ioe: IOException => println(ioe)
    case fnf: FileNotFoundException => println(fnf)
    case _: Throwable => println("Uknown error occured")
  }
}

到目前为止，我已经设法使用包含文件的args（0）来读取，读取和映射到包含每行字符串的列表以及索引+ 1（行号从1开始但索引从0开始）程序必须尽可能的功能，以便更少的可变性和状态更改以及更高阶的函数和列表递归。

谢谢示例输出将是：

//alphabetical      //No duplicates
//order             //Increasing in no. 
keyword              lines                count
bar                  [1,2..]                6
foo                  [3,5]                  2
hello                []                     0

Answer 1

以下是如何完成的基本概要。

val keywords = List(/*key words here*/)

val resMap = io.Source
  .fromFile(/*file to read*/)
  .getLines()
  .zipWithIndex
  .foldLeft(Map.empty[String,Seq[Int]].withDefaultValue(Seq.empty[Int])){
    case (m, (line, idx)) =>
      val subMap = line.split("\\W+").toSeq  //separate the words
        .filter(keywords.contains)           //keep only key words
        .groupBy(identity)                   //make a Map w/ keyword as key
        .mapValues(_.map(_ => idx+1))        //and List of line numbers as value
        .withDefaultValue(Seq.empty[Int])
      keywords.map(kw => (kw, m(kw) ++ subMap(kw))).toMap
  }

//formatted results (needs work)
println("keyword\t\tlines\t\tcount")
keywords.sorted.foreach{kw =>
  println(kw + "\t\t" +
          resMap(kw).distinct.mkString("[",",","]") + "\t\t" +
          resMap(kw).length
         )
}

---

一些解释

• io.Source是一个库（实际上是一个object），它提供了一些基本的输入/输出方法，包括fromFile()，它打开一个文件进行阅读。
• getLines()一次从文件中读取一行。
• zipWithIndex为每行读取附加一个索引值。
• foldLeft()读取文件的所有行，一次一个，并且（在这种情况下）构建所有关键词及其行位置的Map。
• resMap和subMap只是我选择给我正在构建的变量的名称。 resMap（结果图）是在处理完整个文件后创建的。 subMap是一个由文件中的一行文本构建的中间地图。

如果你想要传递一组关键词的选项，我会这样做：

val keywords = if (args.length > 1) args.tail.toList else hardcodedkeywords