主页 / coding / 问题 / 79181617
Accepted
Dark Angel
Asked: 2024-11-12 22:52:59 +0800 CST

使用 Java 8 从字符串句子数组中获取词频

  • 772

我有以下数组作为输入

String[] input = new String[] {
       "This is a sample string",
       " string ",                   // additional spaces here cause issues while splitting
       "Another sample string",
       "This is not    a sample string"
};

我需要计算单个单词的频率。所需的输出是：

{a=2, not=1, string=4, This=2, is=2, sample=3, Another=1}

到目前为止，我得到了一些可行的代码：

// 1. Convert String[] into a single " " delimited String 
String joined = String.join(" ", input);

// 2. Split on " " and then calculate count using Collectors.groupingBy
Map <String, Long> output = 
        Arrays
            .stream(joined.split(" "))
            .filter(s -> !s.equals(""))    // To Deal with Empty Strings
            .collect(
                Collectors.groupingBy(
                    Function.identity(),
                    Collectors.counting()
                )
            );

System.out.println(output);

这对我来说看起来很粗糙，请建议一种使用 Streams API 来实现此目的的更好方法。

java

2 个回答

  1. Best Answer

    您的代码看起来基本正确，只需进行几处更改即可使其正常工作。使用来按任意String.split("\\s+")空格字符序列进行拆分，而不是按空格进行拆分。使用当前代码，任何区分大小写的单词都将被视为两个不同的单词，因此如果您想获得不区分大小写的计数，请将所有单词转换为大写或小写joined.split(" ")Samplesample

     Map<String, Long> output = Arrays.stream(joined.split("\\s+"))
        .map(String::toLowerCase) // For case-insensitivity conversion if needed
        .filter(s -> !s.isEmpty()) // Filter out empty strings 
        .collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
    • 3

  2. Pattern#splitAsStream

    您还可以将两个步骤合并为一个。您无需先连接输入数组然后再拆分，而是可以流式传输数组并在一个管道中完成任务。调用Pattern#splitAsStream。

    Map<String, Long> output = Arrays.stream(input)
                                 .map(String::trim)
                                 .flatMap(s -> Pattern.compile("\\s+").splitAsStream(s))
                                 .map(String::toLowerCase)
                                 .collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
    • 3

相关问题