Question

我正在进行Comp Sci任务。最后，程序将确定文件是用英语还是法语写的。现在，我正在努力解决计算.txt文件中出现的单词频率的方法。

我在英文和法文中都有一组标有1-20的文件夹。该方法要求一个目录（在这种情况下是＆＃34; docs / train / eng /＆＃34;或者＃34; docs / train / fre /＆＃34;）以及该程序有多少个文件应该通过（每个文件夹中有20个文件）。然后它读取该文件，将所有单词分开（我不需要担心大小写或标点符号），并将每个单词放在HashMap中以及它们在文件中的次数。（键=字，值=频率）。

这是我为该方法提出的代码：

public static HashMap<String, Integer> countWords(String directory, int nFiles) {
// Declare the HashMap
HashMap<String, Integer> wordCount = new HashMap();

// this large 'for' loop will go through each file in the specified directory.
for (int k = 1; k < nFiles; k++) {
  // Puts together the string that the FileReader will refer to.
  String learn = directory + k + ".txt";

try {
  FileReader reader = new FileReader(learn);
  BufferedReader br = new BufferedReader(reader);
  // The BufferedReader reads the lines

  String line = br.readLine();


  // Split the line into a String array to loop through
  String[] words = line.split(" ");
  int freq = 0;

  // for loop goes through every word
  for (int i = 0; i < words.length; i++) {
    // Case if the HashMap already contains the key.
    // If so, just increments the value

    if (wordCount.containsKey(words[i])) {         
      wordCount.put(words[i], freq++);
    }
    // Otherwise, puts the word into the HashMap
    else {
      wordCount.put(words[i], freq++);
    }
  }
  // Catching the file not found error
  // and any other errors
}
catch (FileNotFoundException fnfe) {
  System.err.println("File not found.");
}
catch (Exception e) {
  System.err.print(e);
   }
 }
return wordCount;
}

代码编译。不幸的是，当我要求它打印20个文件的所有字数的结果时it printed this。它是完全的胡言乱语（尽管这些词语肯定存在）并且根本不是我需要的方法。

如果有人可以帮我调试我的代码，我将非常感激。我已经多年了，经过测试后进行测试，我已经准备放弃了。

Answer 1

我本来期待更像这样的事情。它有意义吗？

if (wordCount.containsKey(words[i])) { 
  int n = wordCount.get(words[i]);    
  wordCount.put(words[i], ++n);
}
// Otherwise, puts the word into the HashMap
else {
  wordCount.put(words[i], 1);
}

如果单词已经在hashmap中，我们想要获取当前计数，添加1并将该单词替换为hashmap中的新计数。

如果这个单词还没有出现在hashmap中，我们只需将它放在地图中，计数为1即可。下次我们看到相同的单词时，我们会将计数增加到2等等。

Answer 2

如果仅按空格分割，则其他符号（括号，标点符号等）将包含在单词中。例如："This phrase, contains... funny stuff"，如果您按空格分割，则会得到："This" "phrase," "contains..." "funny"和"stuff"。

您可以通过按字边界（\b）拆分来避免这种情况。

line.split("\\b");

顺便说一下你的if和else部分是否相同。你总是将freq增加一，这没有多大意义。如果单词已经在地图中，您希望获得当前频率，为其添加1，并更新地图中的频率。如果没有，则将其放在地图中，其值为1.

专业提示：始终打印/记录异常的完整堆栈跟踪。

Answer 3

让我在这里结合所有好的答案。

1）拆分你的方法，分别处理一件事。一个用于将文件读入strings []，一个用于处理字符串[]，另一个用于调用前两个。

2）当你分开思考你想如何分裂时。正如@ m0skit0建议你应该用\ b来解决这个问题。

3）正如@jas建议你首先应该检查你的地图是否已经有了这个词。如果它确实增加了计数，如果没有将该词添加到地图中并将其设置为1。

4）要以您可能期望的方式打印出地图，请查看以下内容：

Map test = new HashMap();

for (Map.Entry entry : test.entrySet()){
  System.out.println(entry.getKey() + " " + entry.getValue());
}

计算java中.txt文件中单词的频率

3 个答案: