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:
import java.io.*;
import java.util.*;
/**
* Created by chunmiao on 17-3-20.
*/
public class ReadArticle {
//读取文件名称
private String filename;
//读取段落
private ArrayList<String> result = new ArrayList<>();
//最小字长(两个字以上进行匹配)
private final int MINSIZE = 2;
//重复词储存
HashSet<String> set;
public ReadArticle(String filename, HashSet<String> set) {
this.filename = filename;
this.set = set;
}
public void createData() throws IOException {
String r;
//读取文章内容
BufferedReader in = new BufferedReader(new FileReader(new File(filename).getAbsoluteFile()));
try {
while ((r = in.readLine()) != null) {
//消除不必要的标点符号
r = r.replaceAll("\\s+ |“|\\[|‘|《| *|", "").trim();
//留下” , 。 。” ”。 ”, ? 》 -等作为划分句子的分割符标示
Collections.addAll(result, r.split(",|(。”|”(。|,)|。)|(\\])|”|'|?|:|》|-"));
}
}finally {
in.close();
}
//对文章内容进行遍历找出重读出现的句子或者是词语
for (int i = 0 ; i < result.size() - 1; i ++){
for (int j = 0 ; j < result.size() - i - 1; j ++) {
//将重复出现的词语保存到set集合里面
set.addAll(getSameCharacter(result.get(i), result.get(j + i + 1)));
}
}
}
private ArrayList<String> getSameCharacter(String a1, String a2){
String maxS;
String minS;
//短句遍历开始处
int start = 0;
//词的长度最短为两个字长
int range =2;
//设定短句和长句s,使得遍历更加快捷
if (a1.length() <= a2.length()){
maxS = a2;
minS = a1;
}else {
maxS = a1;
minS = a2;
}
String result = "";
ArrayList<String> list = new ArrayList<String>();
//防止substring时超出范围
while (start + range <= minS.length()) {
//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
if (maxS.indexOf(minS.substring(start, start + range)) != -1) {
//获取最长句子,删除短句子
list.remove(result);
list.add(minS.substring(start, start + range));
result = minS.substring(start, start + range);
range++;
continue;
}
range = MINSIZE;
start++;
}
return list;
}
}
测试代码:
import java.io.IOException;
import java.util.HashSet;
public class Main {
public static void main(String[] args) throws IOException {
String filename = "test.txt";
HashSet<String> result = new HashSet<String>();
ReadArticle read = new ReadArticle(filename,result);
read.createData();
System.out.println("这篇文章中的重复出现的词或句子有以下几个词或句子:\n");
for (String s : result){
System.out.println(s);
}
}
}
读取的文章内容:
正则匹配结果(去掉多余字符):
字符串转换成ArrayList:
最终处理结果:
其实从上面的结果可以看出。单纯的操控字符串并不能判断它是否是一个完整的词和句,应该还要配合数据库字典来匹配上面的结果,从而找出真正的词和句
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,同时也希望多多支持!
# java从文件读取字符串
# 读取字符串
# java读取字符串
# Java使用正则表达式截取重复出现的XML字符串功能示例
# java实现输出字符串中第一个出现不重复的字符详解
# Java中ArrayList去除重复元素(包括字符串和自定义对象)
# java统计字符串中重复字符出现次数的方法
# java求数组元素重复次数和java字符串比较大小示例
# 用Java正则去掉字符串中重复出现的字符
# Java中字符串去重的特性介绍
# Java8新特性之字符串去重介绍
# Java实现去掉字符串重复字母的方法示例
# 遍历
# 两个字
# 是一个
# 几个
# 很好
# 阿里巴巴
# 一遍
# 问我
# 再来
# 或者是
# 可以看出
# 这篇文章
# 并不能
# 上个
# 说白了
# 转换成
# 最短
# 一篇文章
# 面试官
# 子有
相关文章:
威客平台建站流程解析:高效搭建教程与设计优化方案
网站专业制作公司有哪些,做一个公司网站要多少钱?
制作电商网页,电商供应链怎么做?
常州自助建站:操作简便模板丰富,企业个人快速搭建网站
香港服务器如何优化才能显著提升网站加载速度?
东莞专业制作网站的公司,东莞大学生网的网址是什么?
如何挑选最适合建站的高性能VPS主机?
台州网站建设制作公司,浙江手机无犯罪记录证明怎么开?
品牌网站制作公司有哪些,买正品品牌一般去哪个网站买?
高防服务器如何保障网站安全无虞?
如何在云服务器上快速搭建个人网站?
如何快速启动建站代理加盟业务?
企业网站制作公司网页,推荐几家专业的天津网站制作公司?
如何解决ASP生成WAP建站中文乱码问题?
网站视频制作书签怎么做,ie浏览器怎么将网站固定在书签工具栏?
如何在阿里云服务器自主搭建网站?
如何确保FTP站点访问权限与数据传输安全?
网站制作专业公司有哪些,如何制作一个企业网站,建设网站的基本步骤有哪些?
如何通过虚拟主机快速完成网站搭建?
活动邀请函制作网站有哪些,活动邀请函文案?
小程序网站制作需要准备什么资料,如何制作小程序?
如何选择高效可靠的多用户建站源码资源?
外贸公司网站制作哪家好,maersk船公司官网?
Avalonia如何实现跨窗口通信 Avalonia窗口间数据传递
在线ppt制作网站有哪些软件,如何把网页的内容做成ppt?
孙琪峥织梦建站教程如何优化数据库安全?
rsync同步时出现rsync: failed to set times on “xxxx”: Operation not permitted
招商网站制作流程,网站招商广告语?
建站主机如何选?性能与价格怎样平衡?
如何通过山东自助建站平台快速注册域名?
C++中的Pimpl idiom是什么,有什么好处?(隐藏实现)
如何在IIS中新建站点并配置端口与IP地址?
建站org新手必看:2024最新搭建流程与模板选择技巧
如何彻底删除建站之星生成的Banner?
如何在新浪SAE免费搭建个人博客?
自助网站制作软件,个人如何自助建网站?
武汉网站制作费用多少,在武汉武昌,建面100平方左右的房子,想装暖气片,费用大概是多少啊?
开源网站制作软件,开源网站什么意思?
如何快速打造个性化非模板自助建站?
天津个人网站制作公司,天津网约车驾驶员从业资格证官网?
定制建站方案优化指南:企业官网开发与建站费用解析
微信小程序 input输入框控件详解及实例(多种示例)
制作网页的网站有哪些,电脑上怎么做网页?
b2c电商网站制作流程,b2c水平综合的电商平台?
高防网站服务器:DDoS防御与BGP线路的AI智能防护方案
手机网站制作平台,手机靓号代理商怎么制作属于自己的手机靓号网站?
css网站制作参考文献有哪些,易聊怎么注册?
详解jQuery停止动画——stop()方法的使用
手机网站制作与建设方案,手机网站如何建设?
教育培训网站制作流程,请问edu教育网站的域名怎么申请?
*请认真填写需求信息,我们会在24小时内与您取得联系。