从java中的文本文件中提取短语

时间:2014-10-08 07:01:38

标签: java

我正在使用ADFA-LD数据集进行基于主机的入侵检测项目,现在我正在进行特征提取模块。我构建了短语词典,其中包含长度为4的系统调用短语。现在,对于特征提取,我需要将短语与新的系统调用跟踪进行比较(以下是一些示例):

sys_clock_gettime sys_poll sys_poll sys_clock_gettime sys_poll sys_poll     sys_poll sys_clock_gettime sys_poll sys_clock_gettime sys_poll sys_poll sys_poll sys_poll sys_poll sys_poll sys_poll sys_poll sys_socketcall .......

我需要的是,如何将这些短语与新痕迹进行比较。我在做java。

我的短语词典:

sys_socketcall-sys_poll-sys_clock_gettime-sys_poll

sys_clock_gettime-sys_poll-sys_poll-sys_socketcall

sys_poll-sys_socketcall-sys_poll-sys_clock_gettime

sys_poll-sys_clock_gettime-sys_clock_gettime-sys_clock_gettime

sys_clock_gettime-sys_clock_gettime-sys_socketcall-sys_clock_gettime

sys_socketcall-sys_clock_gettime-sys_poll-sys_poll

sys_poll-sys_poll

我使用' - '作为分隔符来比较这些短语和新的痕迹,所以我用' - '加入了独特的系统调用。

1 个答案:

答案 0 :(得分:1)

好像你想要的单词被空格分开了。在这种情况下,只需逐行阅读您的文件,然后使用String.split(" ")获取您的文字。 这是我可能想到的那个:

public class FileSplitter {

    public static void main(String[] args) throws IOException {
        File file = new File("input_file.txt");
        LinkedList<String> words = new LinkedList<String>();
        int i = 0;

        Files.lines(file.toPath()).
        forEachOrdered(line -> words.
                addAll(Arrays.asList(line.split(" "))));

        for(String word:words){
            if(word.trim().length() > 0){
                System.out.print(word.trim() + " ");
                if(i++ >= 3){
                    System.out.println();
                    i = 0;
                }
            }
        }
    }
}

对于您的示例,它返回:

sys_clock_gettime sys_poll sys_poll sys_clock_gettime 
sys_poll sys_poll sys_poll sys_clock_gettime 
sys_poll sys_clock_gettime sys_poll sys_poll 
sys_poll sys_poll sys_poll sys_poll
sys_poll sys_poll sys_socketcall