按主要词组

Question

考虑以下TreeSet：

• 蓝色花
• 蓝色大车
• 蓝色帽子123
• 红色 apple 123
• 红色汽车
• 红色衬衫
• 红色夹克
• 一些词（必须忽略）
• 无用的词（必须忽略）

此套装有两个主要词语蓝色和红色以及不同的关键词。
我需要按照这些主要词汇进行分组，以便获得包含所有可能关键词的列表。类似的东西：

• 蓝色：花，大，汽车，帽子，123
• 红色：苹果，123，汽车，衬衫，夹克

我认为步骤应如下：

1. 检测主要字词
   • 列表按字母顺序排列，因此主要词汇彼此相邻
   • 它只能是条目中的第一个单词
   • 它至少包含3个字母
   • 并非每个条目都有一个主要单词（条目某些单词和无用的单词应该被跳过）
2. 按主要词组分组
   • 某种＆＃34;合并＆＃34;：取所有具有相同主词的条目并将其从每个条目中删除，以便只剩下剩余的关键词
   • blue flower
      
   • blue 大车
      
   • blue hat 123
   • 在这种情况下关键词：花，大，车，帽子，123 留下

有人可以给我一个建议如何完成它以及我需要什么？

Answer 1

我认为你不需要正则表达式。使用String.split(" ")在空格上拆分每个字符串，然后检查第一个项目，将其与“主要”字词列表进行比较。

TreeSet<String> originalSet = // as per question
List<String> mainWords = Arrays.asList("blue", "red");
Map<String, Set<String>> words = new HashMap<>();
for(String mainWord : mainWords) {
    words.put(mainWord, new HashSet<String>());
}
for(String line : originalSet) {
    String[] items = line.split(" ");
    if(words.keySet().contains(items[0])) {
        for(int i = 1 ; i < items.length ; i++) {
            words.get(items[0]).add(items[i]);
        }
    }
}