作业要求:
写一个程序,分析一个文本文件中各个词出现的频率,并且把频率最高的10个词打印出来。文本文件大约是30KB~300KB大小。
程序实现思路:
要想统计文本文件中出现频率最高的10个词,首先应该读取文本文件中的内容,然后将其数据存储到集合中,利用集合中的一些方法对所有出现的字进行次数统计。统计完之后,对集合进行排序,将出现频率最高的10个字打印输出。
1、读取文本文件
使用输入字节流类FileReader与BufferedReader。
将文本中的数据赋给s以实现后续操作。
2、将数据存储到Map集合中
因为该输出结果中,出现的字与其次数存在着映射关系,因此采用HashMap集合对数据进行操作。
对于词出现次数的统计,将读取到每一个字存入集合中,如果该字与集合中存在的字相同,则其value+1,如果没有找到相同的字,则令其value=1。
3、对集合进行排序
因为是对集合中的value值进行比较,因此需要自定义比较器实现排序功能。首先将集合中的数据赋给List集合,再利用Collections中的sort()方法对List集合进行排序。
4、对排序后的符合要求的元素进行输出
将排序后符合要求的元素存入StringBuilder容器中。
5、程序运行结果
程序源代码:
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Collections;
import parator;
import java.util.HashMap;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
public class ChineseTest {
public static void main(String[] args) throws
IOException {
FileReader file = new
FileReader("E:\\test.txt");
String s = countWords(file);
System.out.println(s);
}
private static String countWords(FileReader
file) throws IOException {
String s = null;
// 定义输入流缓冲区,并与要操作的流对象关联
BufferedReader bu = new
BufferedReader(file);
s = bu.readLine();
while (bu.ready()) {
s += bu.readLine();
}
char[] c = s.toCharArray();
Map map = new HashMap();
for (int i = 0; i < c.length; i++)
{
if (c[i] == ',' || c[i] == '。' || c[i] == '!'
|| c[i] == ' '
|| c[i] == '“' || c[i] == '”')
continue;
Integer value = map.get(c[i]);
if (value == null)
map.put(c[i], 1);
else
map.put(c[i], value + 1);
}
bu.close();
return sortMap(map);
}
private static String sortMap(Map map)
{
int count = 0;
StringBuilder st = new
StringBuilder();
//
因为是比较Map中的value,因此自定义比较器对value进行比较。调用Collections中的sort方法
List> list = new ArrayList>(
map.entrySet());
Collections.sort(list, new Comparator>()
{
public int compare(Entry o1,
Entry o2) {
int temp = o2.getValue() -
o1.getValue();
return temp == 0 ?
o2.getKey().compareTo(o1.getKey()) : temp;
}
});
// 利用一次迭代,将总的字符个数算出来,赋值给count
for (Iterator> it = list.iterator();
it
.hasNext();) {
Map.Entry m = it.next();
Integer value = m.getValue();
count += value;
}
// 对出现次数最多的前十个字符进行输出
Iterator> it = list.iterator();
for (int i = 0; i < 10; i++) {
Map.Entry m = it.next();
st.append(m.getKey() + ":" + m.getValue() + "
该词出现的频率为:"
+ (float) m.getValue() / count * 100 + "%" +
"\r\n");
}
return st.toString();
}
}
程序性能分析:
1、程序运行前
2、程序运行时