java - 如何在java中的文档中查找短语（多个标记字符串）的频率？

Question

我想在文档中查找多标记字符串或短语的频率。它不是我正在寻找的单词/单项频率，它始终是多项，并且术语的数量是动态的......

例如：在文档中搜索“与朋友交流”的频率！

任何帮助/指针将不胜感激。

谢谢德布贾尼

Answer 1

您可以使用 Buffered Reader 逐行读取文档，然后使用 split 函数获取 word/token 的频率

int count=0;
while ((strLine = br.readLine()) != null)   {
     count+ = (strLine.split("words with friends").length-1);     
}
return count;

编辑：如果你想执行不区分大小写的搜索，那么你可以使用

Pattern myPattern = Pattern.compile("words with friends", Pattern.CASE_INSENSITIVE);
int count=0;
while ((strLine = br.readLine()) != null)   {
     count+ = (myPattern.split(strLine).length-1);    
}
return count;

Answer 2

为什么不使用正则表达式？正则表达式针对此类任务进行了优化。

http://download.oracle.com/javase/1.5.0/docs/api/java/util/regex/Matcher.html