您好,登錄后才能下訂單哦!
利用Java如何實(shí)現(xiàn)讀取文章中重復(fù)的中文?針對(duì)這個(gè)問題,這篇文章詳細(xì)介紹了相對(duì)應(yīng)的分析和解答,希望可以幫助更多想解決這個(gè)問題的小伙伴找到更簡單易行的方法。
以下是代碼和運(yùn)行效果:
實(shí)現(xiàn)方法:
import java.io.*; import java.util.*; /** * Created by chunmiao on 17-3-20. */ public class ReadArticle { //讀取文件名稱 private String filename; //讀取段落 private ArrayList<String> result = new ArrayList<>(); //最小字長(兩個(gè)字以上進(jìn)行匹配) private final int MINSIZE = 2; //重復(fù)詞儲(chǔ)存 HashSet<String> set; public ReadArticle(String filename, HashSet<String> set) { this.filename = filename; this.set = set; } public void createData() throws IOException { String r; //讀取文章內(nèi)容 BufferedReader in = new BufferedReader(new FileReader(new File(filename).getAbsoluteFile())); try { while ((r = in.readLine()) != null) { //消除不必要的標(biāo)點(diǎn)符號(hào) r = r.replaceAll("\\s+ |“|\\[|‘|《| *|", "").trim(); //留下” , 。 ?!?”。 ”, ? 》 -等作為劃分句子的分割符標(biāo)示 Collections.addAll(result, r.split(",|(?!眧”(。|,)|。)|(\\])|”|'|?|:|》|-")); } }finally { in.close(); } //對(duì)文章內(nèi)容進(jìn)行遍歷找出重讀出現(xiàn)的句子或者是詞語 for (int i = 0 ; i < result.size() - 1; i ++){ for (int j = 0 ; j < result.size() - i - 1; j ++) { //將重復(fù)出現(xiàn)的詞語保存到set集合里面 set.addAll(getSameCharacter(result.get(i), result.get(j + i + 1))); } } } private ArrayList<String> getSameCharacter(String a1, String a2){ String maxS; String minS; //短句遍歷開始處 int start = 0; //詞的長度最短為兩個(gè)字長 int range =2; //設(shè)定短句和長句s,使得遍歷更加快捷 if (a1.length() <= a2.length()){ maxS = a2; minS = a1; }else { maxS = a1; minS = a2; } String result = ""; ArrayList<String> list = new ArrayList<String>(); //防止substring時(shí)超出范圍 while (start + range <= minS.length()) { //如果句子或詞在對(duì)象里面,則找出相應(yīng)的句子或詞保存在list里面 if (maxS.indexOf(minS.substring(start, start + range)) != -1) { //獲取最長句子,刪除短句子 list.remove(result); list.add(minS.substring(start, start + range)); result = minS.substring(start, start + range); range++; continue; } range = MINSIZE; start++; } return list; } }
測(cè)試代碼:
import java.io.IOException; import java.util.HashSet; public class Main { public static void main(String[] args) throws IOException { String filename = "test.txt"; HashSet<String> result = new HashSet<String>(); ReadArticle read = new ReadArticle(filename,result); read.createData(); System.out.println("這篇文章中的重復(fù)出現(xiàn)的詞或句子有以下幾個(gè)詞或句子:\n"); for (String s : result){ System.out.println(s); } } }
讀取的文章內(nèi)容:
正則匹配結(jié)果(去掉多余字符):
字符串轉(zhuǎn)換成ArrayList:
最終處理結(jié)果:
其實(shí)從上面的結(jié)果可以看出。單純的操控字符串并不能判斷它是否是一個(gè)完整的詞和句,應(yīng)該還要配合數(shù)據(jù)庫字典來匹配上面的結(jié)果,從而找出真正的詞和句
關(guān)于利用Java如何實(shí)現(xiàn)讀取文章中重復(fù)的中文問題的解答就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,如果你還有很多疑惑沒有解開,可以關(guān)注億速云行業(yè)資訊頻道了解更多相關(guān)知識(shí)。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。