【java文本处理】实现txt文档中汉字频率排序及输出频率最高的前十个汉字

柔光的暖阳◎ 2022-03-21 07:15 318阅读 0赞

## 01. 目的 ##

java编程实现统计文档中汉字出现的频率，将汉字出现频率按高频到低频排序，并输出频率最高的前十个汉字。

## 02. 主要实现方法 ##

（1） 首先按行读出txt文档中的内容：.readLine()；

按行读出后取出每行中的字符： .charAt(i);

（2） 构建了HashMap对象，用于存放文档中出现的汉字及其出现的频率。`键对应字符，值对应字符出现的次数。`

HashMap<Character,Integer> hm = new HashMap<Character,Integer>();

判断汉字是否重复出现（汉字即为map中的键）：用map类的containsKey（）方法；

取出该键中的值（即汉字出现的频率）：.get(key) ;

（3）重写public int compare(Object o1, Object o2) 方法，用Comparator类中的compare(T o1,T o2)对汉字频率比较大小。

--------------------

可参考博文：[【Java】Collections.sort() 方法 —— Comparable、Comparator接口][Java_Collections.sort_ _ _ Comparable_Comparator]

--------------------

> compare(T o1, T o2)是中的o1,o2代表什么，是怎么实现排序的？怎么和compareTo()配合使用？

> o1和o2每次只取一个数据，就一次只比较两个数据，假如比较7，8，9，5，6，那么第一次比较o1先取8，o2取7（很奇怪，我当时以为是顺着取值，但是很奇怪，他是相邻两个值逆着取值），接下来配合compareTo（）实现这两个数的排序，o1.compareTo（o2）会返回一个int值，如果0说明o1和o2相等，如果返回负值，那么o1和o2会倒序排序，返回正值，那么o1和o2会正序排序。返回值之后这两个值就进行了排序，至此，这两个值已经排序好了，接下来第二次排序，o1取9，o2取8，第三次o1取5，o2取9…

（4）通过entrySet()方法将map集合中的映射关系取出导入List动态数组，用Collections.sort（）对值进行排序

（5）使用迭代器Iterator取出map中的键和对应的值。

`Iterator<Map.Entry<Character, Integer>> iter = list.iterator();`

## 03. 程序代码(sequence.java) ##

/* 
    * 功能：* 对文档中汉字出现频率进行排序
    *       * 在控制台打印频率最高的前十个汉字
    * @author WTCLAB_yd
    *
    */
    import java.io.*;//导入io类包
    import java.util.*;//导入util类包
    public class sequence {
        
        public static void main(String[] args){
        
    		File file=new File(args[0]);//建立读入文件对象   
    		BufferedReader buf=null;	
            try{
        
                buf = new BufferedReader(new FileReader(file));//定义字符读取(缓冲)流并赋值
                String value = null; //定义一个临时接收文件中的字符串变量
                String newValue = "";    //接收文件中所有字符串的变量
                while((value = buf .readLine())!=null){
        
    			for(int i=0;i<value.length();i++){
        //开始读取文件中的字符
    			if(value.charAt(i)>=0x4e00 && value.charAt(i)<=0x9fbb){
        
                    newValue = newValue+value.charAt(i);    //存入newValue变量中
                }
    			}
    			}
                char[] ch = newValue.toCharArray();//把newValue变成字符数组(Collections. reverseOrder())
                HashMap<Character,Integer> hm = new HashMap<Character,Integer>();//构建了一个新的HashMap对象，赋予变量hm.键对应字符，值对应字符出现的次数
                for(int j = 0;j<ch.length;j++){
           //遍历ch  将ch中所有的字符存入一个Map集合中，键对应字符，值对应字符出现的次数
                    char c = ch[j];
                    if(hm.containsKey(c)){
          //如果HashMap(hm)中有该键，则取出该键中的值，也就是出现的次数
                        int conut = hm.get(c);//取出该键中的值(该键出现的次数）放入count
                        hm.put(c,conut+1);  //存入把新值存入hm集合中，如果键相同的话， 新键会替换老键，值也随着变化了
                    }
                    else{
        
                        hm.put(c, 1);  //如果没有出现该键就说明是第一次出现，然后就存入1次
                    }
                }
    			//自定义比较器
    		Comparator<Map.Entry<Character, Integer>> descValue = new Comparator<Map.Entry<Character,Integer>>(){
        
    			@Override
    			public int compare(Map.Entry<Character, Integer> o1, Map.Entry<Character, Integer> o2) {
        // o1和o2每次只取一个数据，就一次只比较两个数据
    				int i1 = o1.getValue();	// 获取键的值(即字符对应出现的频率)
    				int i2 = o2.getValue();	
    				if (i1 != i2) {
         //若不同字符出现的频率不等，则返回1或-1
    					return (i1 > i2) ? -1 : 1;//如果返回负值，那么i1和i2会倒序排序，返回正值，那么i1和i2会正序排序
    				} 
    				else {
        
    					return 0;//返回0说明i1和i2相等
    				}
    			}
    		};
    		//取出map中的键和对应的值
    		Set<Map.Entry<Character, Integer>> set = hm.entrySet();//通过entrySet()方法将map集合中的映射关系取出（这个关系就是Map.Entry类型）
    		List<Map.Entry<Character, Integer>> list = new ArrayList<Map.Entry<Character, Integer>>(set);//创建一个List的对象,list这个链表中的元素是Map类型的元素
    		Collections.sort(list, descValue);//根据比较器返回值对值（频率）排序
    		//获得map的迭代器，用作遍历map中的每一个键值对
    		Iterator<Map.Entry<Character, Integer>> iter = list.iterator();
    		 System.out.print("\n本文中出现次数最高的前十个字: \n");
                for(int n=0;n<10;n++){
         //取出迭代器中前十个键值对
                    Map.Entry<Character, Integer> map = iter.next();//获得键值对
                    char k = map.getKey();//获取map的键（对应文档中的字符）
                    int v = map.getValue();//获取键对应的值（字符出现的频率）
                    System.out.print("\n   "+k+" ——  "+v );
                }
            }		
            catch(IOException e){
        
                System.out.println("文件读取错误");
            }
            finally{
        
                try{
        
                    if(buf!=null)
                        buf.close();//关闭数据流
                }
                catch(IOException e){
        
                    System.out.println("文件关闭错误");
                }
            }
        }
    }

## 04. 结果演示 ##

（1）test.txt 测试

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70 1]

(2) 西游记测试（xyj.txt）  
找出西游记中出现次数最多的十个字：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70 2]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70 3]

## 05. 补：程序计时 ##

对大文档进行汉字排序时用时较多，为了便于优化程序、对比程序效率，在程序中加计时器打印程序运行时间，便于观察。

### 程序代码：（TimeCount.java） ###

`添加System.currentTimeMillis()方法`

* 功能：* 对文档中汉字出现频率进行排序
    *       * 在控制台打印频率最高的前十个汉字
    *       *获取程序运行所需时间
    * @author WTCLAB_yd
    *
    */
    
    import java.io.*;//导入io类包
    import java.util.*;//导入util类包
    public class TimeCount {
        
        public static void main(String[] args){
        
    		double begin = System.currentTimeMillis(); // 程序开始时间，调用系统的当前时间，时间单位为毫秒
    		File file=new File(args[0]);//建立读入文件对象   
    		BufferedReader buf=null;	
            try{
        
                buf = new BufferedReader(new FileReader(file));//定义字符读取(缓冲)流并赋值
                String value = null; //定义一个临时接收文件中的字符串变量
                String newValue = "";    //接收文件中所有字符串的变量
                while((value = buf .readLine())!=null){
        
    			for(int i=0;i<value.length();i++){
        //开始读取文件中的字符
    			if(value.charAt(i)>=0x4e00 && value.charAt(i)<=0x9fbb){
        
                    newValue = newValue+value.charAt(i);    //存入newValue变量中
                }
    			}
    			}
                char[] ch = newValue.toCharArray();//把newValue变成字符数组(Collections. reverseOrder())
                HashMap<Character,Integer> hm = new HashMap<Character,Integer>();//构建了一个新的HashMap对象，赋予变量hm.键对应字符，值对应字符出现的次数
                for(int j = 0;j<ch.length;j++){
           //遍历ch  将ch中所有的字符存入一个Map集合中，键对应字符，值对应字符出现的次数
                    char c = ch[j];
                    if(hm.containsKey(c)){
          //如果HashMap(hm)中有该键，则取出该键中的值，也就是出现的次数
                        int conut = hm.get(c);//取出该键中的值(该键出现的次数）放入count
                        hm.put(c,conut+1);  //存入把新值存入hm集合中，如果键相同的话， 新键会替换老键，值也随着变化了
                    }
                    else{
        
                        hm.put(c, 1);  //如果没有出现该键就说明是第一次出现，然后就存入1次
                    }
                }
    			//自定义比较器
    		Comparator<Map.Entry<Character, Integer>> descValue = new Comparator<Map.Entry<Character,Integer>>(){
        
    			@Override
    			public int compare(Map.Entry<Character, Integer> o1, Map.Entry<Character, Integer> o2) {
        // o1和o2每次只取一个数据，就一次只比较两个数据
    				int i1 = o1.getValue();	// 获取键的值(即字符对应出现的频率)
    				int i2 = o2.getValue();	
    				if (i1 != i2) {
         //若不同字符出现的频率不等，则返回1或-1
    					return (i1 > i2) ? -1 : 1;//如果返回负值，那么i1和i2会倒序排序，返回正值，那么i1和i2会正序排序
    				} 
    				else {
        
    					return 0;//返回0说明i1和i2相等
    				}
    			}
    		};
    		//取出map中的键和对应的值
    		Set<Map.Entry<Character, Integer>> set = hm.entrySet();//通过entrySet()方法将map集合中的映射关系取出（这个关系就是Map.Entry类型）
    		List<Map.Entry<Character, Integer>> list = new ArrayList<Map.Entry<Character, Integer>>(set);//创建一个List的对象,list这个链表中的元素是Map类型的元素
    		Collections.sort(list, descValue);//根据比较器返回值对值（频率）排序
    		//获得map的迭代器，用作遍历map中的每一个键值对
    		Iterator<Map.Entry<Character, Integer>> iter = list.iterator();
    		 System.out.print("\n本文中出现次数最高的前十个字: \n");
                for(int n=0;n<10;n++){
         //取出迭代器中前十个键值对
                    Map.Entry<Character, Integer> map = iter.next();//获得键值对
                    char k = map.getKey();//获取map的键（对应文档中的字符）
                    int v = map.getValue();//获取键对应的值（字符出现的频率）
                    System.out.print("\n   "+k+" ——  "+v );
                }
            }		
            catch(IOException e){
        
                System.out.println("文件读取错误");
            }
            finally{
        
                try{
        
                    if(buf!=null)
                        buf.close();//关闭数据流
                }
                catch(IOException e){
        
                    System.out.println("文件关闭错误");
                }
    			double end = System.currentTimeMillis(); // 程序结束时间，调用系统当前时间
            double time = end - begin;// 程序的运行时间
     
            System.out.println("\n程序用时:"+time/1000 + "秒");//输出执行完程序的用时，1ms=1/1000 s
            }
        }
    }

### 结果演示： ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70 4]  
程序用时：183.44秒

[Java_Collections.sort_ _ _ Comparable_Comparator]: https://blog.csdn.net/yangdan1025/article/details/86707087
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70]: /images/20220321/ab27e06f0d8b46c1b181383d5b14037c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70 1]: /images/20220321/2147b3d325e04819beeb72cb2f6311fb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70 2]: /images/20220321/5e580116b1954bc6953c2185c8270399.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70 3]: /images/20220321/0a2a4e81f06b4d6ca980380b9dad8bab.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70 4]: /images/20220321/0dfe42cb87dd404db22f0029d22deb69.png