在上个星期阿里巴巴一面的时候,最后面试官问我如何把一篇文章中重复出现的词或者句子找出来,当时太紧张,答的不是很好。今天有时间再来亲手实现一遍。其实说白了也就是字符串的处理,所以难度并不是很大。以下是代码和运行效果:实现方法: 1 import java.io.*; 2 impor ...
在上个星期阿里巴巴一面的时候,最后面试官问我如何把一篇文章中重复出现的词或者句子找出来,当时太紧张,答的不是很好。今天有时间再来亲手实现一遍。其实说白了也就是字符串的处理,所以难度并不是很大。
以下是代码和运行效果:
实现方法:
1 import java.io.*; 2 import java.util.*; 3 4 /** 5 * Created by chunmiao on 17-3-20. 6 */ 7 public class ReadArticle { 8 //读取文件名称 9 private String filename;10 //读取段落11 private ArrayList<String> result = new ArrayList<>();12 //最小字长(两个字以上进行匹配)13 private final int MINSIZE = 2;14 //重复词储存15 HashSet<String> set;16 17 public ReadArticle(String filename, HashSet<String> set) {18 this.filename = filename;19 this.set = set;20 }21 22 23 public void createData() throws IOException {24 String r;25 //读取文章内容26 BufferedReader in = new BufferedReader(new FileReader(new File(filename).getAbsoluteFile()));27 try {28 while ((r = in.readLine()) != null) {29 //消除不必要的标点符号30 r = r.replaceAll("\\s+ |“|\\[|‘|《| *|", "").trim();31 //留下” , 。 。” ”。 ”, ? 》 -等作为划分句子的分割符标示32 Collections.addAll(result, r.split(",|(。”|”(。|,)|。)|(\\])|”|’|?|:|》|-"));33 }34 }finally {35 in.close();36 }37 38 //对文章内容进行遍历找出重读出现的句子或者是词语39 for (int i = 0 ; i < result.size() - 1; i ++){40 for (int j = 0 ; j < result.size() - i - 1; j ++) {41 //将重复出现的词语保存到set集合里面42 set.addAll(getSameCharacter(result.get(i), result.get(j + i + 1)));43 }44 }45 46 }47 48 private ArrayList<String> getSameCharacter(String a1, String a2){49 String maxS;50 String minS;51 //短句遍历开始处52 int start = 0;53 //词的长度最短为两个字长54 int range =2;55 //设定短句和长句s,使得遍历更加快捷56 if (a1.length() <= a2.length()){57 maxS = a2;58 minS = a1;59 }else {60 maxS = a1;61 minS = a2;62 }63 String result = "";64 ArrayList<String> list = new ArrayList<String>();65 //防止substring时超出范围66 while (start + range <= minS.length()) {67 //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68 if (maxS.indexOf(minS.substring(start, start + range)) != -1) {69 //获取最长句子,删除短句子70 list.remove(result);71 list.add(minS.substring(start, start + range));72 result = minS.substring(start, start + range);73 range++;74 continue;75 }76 range = MINSIZE;77 start++;78 }79 return list;80 }81 }
原标题:Java实现读取文章中重复出现的中文字符串
关键词:JAVA
*特别声明:以上内容来自于网络收集,著作权属原作者所有,如有侵权,请联系我们:
admin#shaoqun.com
(#换成@)。