2

我找到了几种方法来计算 Java 文件中单个字符的出现次数。我的问题很简单：有没有办法同时计算文件中列表中任何字符的出现，还是我必须遍历每个字符？

为了澄清，我想要的东西相当于：对于文件中的每个字符，如果列表“abcdefg”中的字符增加 1。

背景：我正在计算文件中的谓词，我能想到的最好方法是搜索 <、>、== 等的出现。

4

6 回答 6

4

使用 aMap<Character, Integer>并浏览文件。对于您测试的每个角色，看看它是否在地图中。如果不是加上值1，否则获取当前值，将其递增并放回。测试两者TreeMap，HashMap看看哪个最适合你。现在您有了一个完整的直方图，您可以轻松添加有趣的总和。

更新：看到您对查找序列感兴趣。如果你想以良好的性能做到这一点，我会使用像 lex 这样的工具，但用于 Java。一个快速的谷歌把我带到了这个：http ://www.cs.princeton.edu/~appel/modern/java/JLex/应该很直接地定义你感兴趣的令牌，然后它应该很计算它们很简单。

更新 2：我忍不住想玩它。这是一个使用上述工具似乎可以工作的示例（免责声明：我没有使用该工具，所以这可能是完全错误的......）：

import java.lang.System;
import java.util.Map;
import java.util.TreeMap;

class Sample {
  public static void main(String argv[]) throws java.io.IOException {
    Map<String,Integer> map = new TreeMap<>();

    Yylex yy = new Yylex(System.in);
    Yytoken t;
    while ((t = yy.yylex()) != null) {
      String text = t.mText;

      if (!text.isEmpty()) {
        Integer i = map.get(text);
        if (i == null) {
          map.put(text, 1);
        }
        else {
          map.put(text, map.get(text)+1);
        }
      }
    } 

    System.out.println(map);
  }
}

class Yytoken {
  public String mText;

  Yytoken(String text) {
   mText = text;
  }

  public String toString() {
    return "Token: " + mText;
  }
}

%%

OTHER=(.|[\r\n])

%% 

<YYINITIAL> "," { return (new Yytoken(yytext())); }
<YYINITIAL> ":" { return (new Yytoken(yytext())); }
<YYINITIAL> ";" { return (new Yytoken(yytext())); }
<YYINITIAL> "(" { return (new Yytoken(yytext())); }
<YYINITIAL> ")" { return (new Yytoken(yytext())); }
<YYINITIAL> "[" { return (new Yytoken(yytext())); }
<YYINITIAL> "]" { return (new Yytoken(yytext())); }
<YYINITIAL> "{" { return (new Yytoken(yytext())); }
<YYINITIAL> "}" { return (new Yytoken(yytext())); }
<YYINITIAL> "." { return (new Yytoken(yytext())); }
<YYINITIAL> "+" { return (new Yytoken(yytext())); }
<YYINITIAL> "-" { return (new Yytoken(yytext())); }
<YYINITIAL> "*" { return (new Yytoken(yytext())); }
<YYINITIAL> "/" { return (new Yytoken(yytext())); }
<YYINITIAL> "=" { return (new Yytoken(yytext())); }
<YYINITIAL> "<>" { return (new Yytoken(yytext())); }
<YYINITIAL> "<"  { return (new Yytoken(yytext())); }
<YYINITIAL> "<=" { return (new Yytoken(yytext())); }
<YYINITIAL> ">"  { return (new Yytoken(yytext())); }
<YYINITIAL> ">=" { return (new Yytoken(yytext())); }
<YYINITIAL> "&"  { return (new Yytoken(yytext())); }
<YYINITIAL> "|"  { return (new Yytoken(yytext())); }
<YYINITIAL> ":=" { return (new Yytoken(yytext())); }
<YYINITIAL> "#" { return (new Yytoken(yytext())); }
<YYINITIAL> {OTHER} { return (new Yytoken("")); }
于 2012-11-08T19:28:22.727 回答
2
  • 阅读

由于您要计算超过 1 个字符（==、!=、<-、>=）的谓词，因此您需要一个PushBackReader以便您可以查看下一个字符以确定实际谓词。

  • 发生频率

如果你能负担得起额外的依赖，那么我的建议是使用Multiset来计算频率。如果你不能，那么你可以使用基于 Map 或数组的计数器（如果你的谓词集是有限的，我更喜欢这个，因为这简化了代码）。

  • 并行化？

使用上述方法更简单，因为您可以通过 1 次单程获得频率。如果您的文件很大或者必须计算许多文件的频率，那么您可以选择使用 java Executors 并行化它。

于 2012-11-08T19:49:43.500 回答
2

存储

如果我理解正确，您不仅希望找到单个字符的出现次数，还希望找到短字符序列（即字符串）的出现次数，例如==. 在这种情况下， aMap<Character, Integer>是不够的，您需要 aMap<String, Integer>为每个字符串存储一个计数。

您也可以使用Guava的Multiset，这对于一个知道它包含多少次重复（相同）元素的集合来说基本上是一个很好的接口。

我相信定义了您想要计算的谓词/运算符/任何短字符串的数量，您可以定义一个数组/一个列表来存储您感兴趣的所有谓词，例如：

List<String> operators = Arrays.asList("==", "<=", ">=", "<", ">");

然后，您将“倾倒”所有这些运算符作为映射的键并将它们的值初始化为零：

Map<String, Integer> counts = new HashMap<>();
for (String operator : operators)
    counts.put(operator, 0);

解析

至于解析，您可以使用Scanner轻松逐行读取文件。对于每一行，您可以使用这样的方法来计算它包含给定子字符串的次数：

static int occurrences(String source, String subString) {
    int count = 0;
    int index = source.indexOf(subString);

    while (index != -1) {
        count++;
        index = source.indexOf(subString, index + 1);
    }
    return count;
}

然后以与此类似的方式使用此方法：

Scanner scanner = new Scanner(new File("input.txt"));
while (scanner.hasNextLine()) {
    String line = scanner.nextLine();
    for (String operator : operators) {
        int oldOccurences = counts.get(operator);
        counts.put(operator, oldOccurences + occurrences(line, operator));
    }
}
于 2012-11-08T20:01:50.403 回答
1

我相信java列表接口有一个Contains()方法，所以你可以做类似的事情

if(someList.Contains('<'))
{
    x++
}

IT 实际上并没有一次检查所有这些，但无论如何这些东西对你是隐藏的

http://docs.oracle.com/javase/1.4.2/docs/api/java/util/List.html

于 2012-11-08T19:27:54.933 回答
1

对“ count the occurrence of any of the characters in a list in a file simultaneously”：

  • 您可以使用 HashTable，其中键是字符，值是您看到该字符的次数。
  • 每次读取一个字符时，检查它是否在 HashTable 中：
    • 如果是，则将其值增加 1
    • 如果不是，则将键、值对添加到初始化为 1 的 HashTable

如果您关心的字符集很小（例如您的示例中的"abcdefg"or "<, >, =="），则 switch 语句就足够了，而不是使用 HashTable 来解决问题

于 2012-11-08T19:29:15.950 回答
0

一个简单的方法是使用数组：

final int[] occurs = new int[65536];
for (char c : file) occurs[c]++;

如果您知道不会遇到太奇特的字符，则可以减小数组的大小。

于 2012-11-08T19:31:48.850 回答