Question

我有一种方法来搜索文本中的单词，两者均由参数插入。

public Integer findTheWord(String stringToCheck, String regexString) throws IOException {

        int count = 0;
        Pattern regexp = Pattern.compile("\\b" + regexString + "\\b");
        Matcher matcher = regexp.matcher(stringToCheck);

        while (matcher.find()) {
                count++;
                String matchString = matcher.group();
                System.out.println(matchString);
            }
        System.out.println(count);
        return count;
  }

如何插入多个单词并返回每个单词的出现次数？

Answer 1

HashMap作为参数，输入字符串为键，正则表达式为值，遍历所有条目，执行您的方法，并返回一个与单词匹配的HashMap作为键，出现次数为值。

 public HashMap<String, Integer> findTheWordsAndOccurences(HashMap<String, String> stringsAndRegex) throws IOException {

    HashMap<String, Integer> result = null;

    for (Map.Entry<String, String> entry : stringsAndRegex.entrySet()){

        String stringToCheck = entry.getKey();
        String regexString = entry.getValue();
        String matchString = "";
        int count = 0;
        Pattern regexp = Pattern.compile("\\b" + regexString + "\\b");
        Matcher matcher = regexp.matcher(stringToCheck);

        while (matcher.find()) {
            count++;
            matchString = matcher.group();
            System.out.println(matchString);
            result.put(matchString, count);
        }
    }
    return result;
}

Answer 2

第一个也是最简单的选择是使用实际的findTheWord()方法并创建一个使用它的新方法：

public Map<String, Integer> findTheWords(String stringToCheck, List<String> words) {
    return words.stream().distinct()
            .collect(Collectors.toMap(Function.identity(), word -> findTheWord(stringToCheck, word)));
}

public Integer findTheWord(String stringToCheck, String regexString) {
    Pattern regexp = Pattern.compile("\\b" + regexString + "\\b");
    Matcher matcher = regexp.matcher(stringToCheck);

    int count = 0;
    while (matcher.find()) {
        count++;
    }
    return count;
}

问题是如果您要使用大量单词查找和较大文本，因为它会在每个单词的给定字符串上进行迭代。因此，另一种方法是为所有单词创建一个正则表达式，并在结果映射中递增下一个找到的单词：

public Map<String, Integer> findTheWords(String stringToCheck, List<String> words) {
    Pattern regexp = Pattern.compile(words.stream().distinct().map(word -> "\\b" + word + "\\b").collect(Collectors.joining("|")));
    // creates a pattern like this: "\ba\b|\bb\b|\bc\b|\bd\b|\be\b"
    Matcher matcher = regexp.matcher(stringToCheck);
    Map<String, Integer> result = new HashMap<>();
    while (matcher.find()) {
        String word = matcher.group();
        result.put(word, result.getOrDefault(word, 0) + 1);
    }
    return result;
}

此外，您可能会考虑使用Set代替单词List，因为这些值是唯一的，因此无需在流上调用.distinct()。 / p>

使用正则表达式（Java）在文本中搜索多个单词

2 个答案: