Java实现的词频统计——功能改进

　　本次改进是在原有功能需求及代码基础上额外做的修改，保证了原有的基础需求之外添加了新需求的功能。

功能：

　　1. 小文件输入——从控制台由用户输入到文件中，再对文件进行统计；

　　2.支持命令行输入英文作品的文件名；

　　3.支持命令行输入存储有英文作品文件的目录名，批量统计；

　　4.从控制台读入英文单篇作品，重定向输入流。

实现：

　　1.判断输入方式，如果从命令行传递参数则直接对文件进行统计；如果未传递参数，其方式同控制台相同，由用户从标准输入流输入到文件，再对文件进行词频统计。这里如果传入文件路径时会对其是否是文件夹进行判断，如果是文件夹，则对其目录中的文件进行统计。

if (args.length == 0) {
Scanner in = new Scanner(System.in);
FileWriter out = new FileWriter("Content.txt");

System.out.println("请输入内容，最后以Q结束：");

while (in.hasNext()) {
out.write(in.nextLine()+"\r\n");
}
out.close();
in.close();

new FileProccessing("Content.txt");
}
for (int i = 0; i < args.length; i++) {
String FileName = args[i];
File fs = new File(FileName);
if (fs.isDirectory()) {
File[] filelist = fs.listFiles();
for (int n = 0; n < filelist.length; n++) {
new FileProccessing(filelist
.getAbsolutePath());
}

} else {
new FileProccessing(FileName);
}
}

　　2.对ByValueComparator类做了修改，使其能够按词频降序排列的同时，对同频率的单词进行升序排列。

public class ByValueComparator implements Comparator<Entry<String,Integer>> {
Map<String, Integer> hashmap;
public ByValueComparator(Map<String, Integer> hm) {
this.hashmap = hm;
}

@Override
public int compare(Entry<String, Integer> o1, Entry<String, Integer> o2) {
// TODO Auto-generated method stub

if (o1.getValue().compareTo(o2.getValue()) == -1) {
return 1;
} else if (o1.getValue().compareTo(o2.getValue()) == 0) {
return o1.getKey().compareTo(o2.getKey());　　//单次出现频率相同时，对单词进行升序排列
} else {
return -1;
}
}
}

　　3.与上一次相比，为了方便调用，将对文件进行统计操作的代码归入新的类FileProccessing。同时将readline()改为read(char[] c)，解决了当一行字符过多时报错的问题。当进行统计的文件过大时，原本输出到屏幕会自动改为输出到文件中，避免了因输出而占用了大部分时间，同时方便用户查阅（默认输出到工程目录下）。

　　其中有个小细节：程序中char数组默认大小为64，当读到最后一块时，字符不足64个时，多余未读入字符的数组元素默认为'\0'，拆分之后输出结果中会多出一项“ ——1”。因此，在StringTokenizer方法中要录入"\0"作为分隔字符。

　　读入文件并进行统计，结果存入到hashmap中：

int i = 0;
char[] c = new char[64];
String thelast = "";
String wordpart = "";
while ((i = br.read(c)) > 0) {
wordpart = "";

int m = i - 1;
while (Character.isLetter(c[m])) {
wordpart = String.valueOf(c[m]) + wordpart;
c[m] = ' ';
m--;
}
String s = thelast + String.valueOf(c);
StringTokenizer st = new StringTokenizer(s, " ,.!?\"\';:0123456789\n\r\t“”‘’·——-=*/()[]{}…（）【】｛｝\0"); // 用于切分字符串

while (st.hasMoreTokens()) {
String word = st.nextToken();
if (hm.get(word) != null) {
int value = ((Integer) hm.get(word)).intValue();
value++;
hm.put(word, new Integer(value));
} else {
hm.put(word, new Integer(1));
}
}
thelast = wordpart;
}
if (!wordpart.isEmpty()) {
if (hm.get(wordpart) != null) {
int value = ((Integer) hm.get(wordpart)).intValue();
value++;
hm.put(wordpart, new Integer(value));
} else {
hm.put(wordpart, new Integer(1));
}
}

　　判断输出内容多少，自动匹配标准输出还是文件输出。其中运用了正则替换，用来打印当前文件名。同时还对总单词量及词汇量进行了统计：

int NumofWord = 0;
Iterator iter = hm.entrySet().iterator();
while (iter.hasNext()) {
Map.Entry entry = (Map.Entry) iter.next();
NumofWord += (Integer) entry.getValue();
}
String reg = ".*\\\\(.*)";
String name = filename.replaceAll(reg, "$1");
if (hm.size() > 100) {

FileWriter result = new FileWriter("Result.txt", true);

result.write("~~~~~~~~~~~~~~~~~~~~\r\n");
result.write(name.substring(0, name.lastIndexOf(".")) + "\r\n");
result.write("number of the words:" + NumofWord + "\r\n");
result.write("totals:" + hm.size() + "\r\n");
for (Map.Entry<String, Integer> str : ll) {
result.write(str.getKey() + "——" + str.getValue() + "\r\n");
}

result.write("~~~~~~~~~~~~~~~~~~~~\r\n");

System.out.println("由于" + name.substring(0, name.lastIndexOf(".")) + "文件过大，输出到文件Result中。");
result.close();
} else {
System.out.println("~~~~~~~~~~~~~~~~~~~~");
System.out.println(name.substring(0, name.lastIndexOf(".")));
System.out.println("number of the words:" + NumofWord);
System.out.println("totals:" + hm.size());
for (Map.Entry<String, Integer> str : ll) {
System.out.println(str.getKey() + "——" + str.getValue());
}

System.out.println("~~~~~~~~~~~~~~~~~~~~");
}

运行结果：

　　1.命令行标准输入界面：

　　


　　2.执行结果：

　　


　　3.控制台界面：

　　


　　4.命令行传入文件：

　　


　　5.同时传入大文件及文件夹：

　　


　　


　　6.重定向输入：

　　


　　


代码地址：

　　HTTPS https://coding.net/u/regretless/p/WordFrequencyCount/git

　　SSH git@git.coding.net:regretless/WordFrequencyCount.git

　　GIT git://git.coding.net/regretless/WordFrequencyCount.git