使用 StreamTokenizer （） 、 HashMap（） 、 HashSet（） 计算词频

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，首先我已经创建了一个包含以下数据的文本文件：@ Hello Hii World # * c++ java salesforce此代码的输出是：**单词频率 ：字数 ： # = 1字数 ： @ = 1字 ： c = 1WORD ： salesforce = 1字数 ： * = 1字数 ： Hii = 1字数 ： + = 2单词 ： java = 1单词 ： 世界 = 1单词 ： 你好 = 1文件中的总字数：11**在那里，我无法找到为什么这将c ++显示为一个单独的单词。我想将c ++组合成一个单词，就像在输出中一样

Answer 1

你可以用这种方式来做

    // 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，我已使用泛型而不是哈希映射和迭代器的原始版本更新了您的代码。此外，您用于 StreamTokenizer 的构造函数已被弃用。映射和 set 的使用是无用的，因为您可以使用 .keySet（） 方法循环访问映射的键集。现在，映射将从字符串（单词）变为整数（字数）。

无论如何，关于你所做的示例，我认为简单的拆分方法会更合适。