利用Java如何实现读取文章中重复的中文?针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
以下是代码和运行效果:
实现方法:
import java.io.*; import java.util.*; /** * Created by chunmiao on 17-3-20. */ public class ReadArticle { //读取文件名称 private String filename; //读取段落 private ArrayList<String> result = new ArrayList<>(); //最小字长(两个字以上进行匹配) private final int MINSIZE = 2; //重复词储存 HashSet<String> set; public ReadArticle(String filename, HashSet<String> set) { this.filename = filename; this.set = set; } public void createData() throws IOException { String r; //读取文章内容 BufferedReader in = new BufferedReader(new FileReader(new File(filename).getAbsoluteFile())); try { while ((r = in.readLine()) != null) { //消除不必要的标点符号 r = r.replaceAll("\\s+ |“|\\[|‘|《| *|", "").trim(); //留下” , 。 。” ”。 ”, ? 》 -等作为划分句子的分割符标示 Collections.addAll(result, r.split(",|(。”|”(。|,)|。)|(\\])|”|'|?|:|》|-")); } }finally { in.close(); } //对文章内容进行遍历找出重读出现的句子或者是词语 for (int i = 0 ; i < result.size() - 1; i ++){ for (int j = 0 ; j < result.size() - i - 1; j ++) { //将重复出现的词语保存到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; //短句遍历开始处 int start = 0; //词的长度最短为两个字长 int range =2; //设定短句和长句s,使得遍历更加快捷 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时超出范围 while (start + range <= minS.length()) { //如果句子或词在对象里面,则找出相应的句子或词保存在list里面 if (maxS.indexOf(minS.substring(start, start + range)) != -1) { //获取最长句子,删除短句子 list.remove(result); list.add(minS.substring(start, start + range)); result = minS.substring(start, start + range); range++; continue; } range = MINSIZE; start++; } return list; } }
测试代码:
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("这篇文章中的重复出现的词或句子有以下几个词或句子:\n"); for (String s : result){ System.out.println(s); } } }
读取的文章内容:
正则匹配结果(去掉多余字符):
字符串转换成ArrayList:
最终处理结果:
其实从上面的结果可以看出。单纯的操控字符串并不能判断它是否是一个完整的词和句,应该还要配合数据库字典来匹配上面的结果,从而找出真正的词和句
关于利用Java如何实现读取文章中重复的中文问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注亿速云行业资讯频道了解更多相关知识。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。