Java中统计字符串中独立单词的数量-java教程-PHP中文网

Java中统计字符串中独立单词的数量

心靈之曲

发布： 2025-11-15 12:53:02

原创

740人浏览过

java中统计字符串中独立单词的数量

本教程详细介绍了如何在Java中实现一个方法，用于统计给定字符串中不重复单词的数量。我们将通过字符串分割、单词标准化（如转换为小写并去除标点）以及使用`ArrayList`来存储和检查单词的唯一性，最终返回独立单词的总数，避免使用如`HashSet`等高级集合类型。

在Java编程中，经常会遇到需要处理文本数据并从中提取特定信息的需求。其中一个常见任务是统计一个字符串中包含多少个独特的单词。例如，对于句子 "A long long time ago, I can still remember"，我们希望得到的结果是 8（因为 "long" 出现了两次，但只应计算一次）。本教程将指导您如何构建一个方法来实现这一功能，同时遵循不使用高级集合类型（如 HashSet）的限制，而是利用基础的 ArrayList。

1. 理解核心问题与限制

核心问题是区分重复单词和独立单词。一个简单的单词计数器会计算所有出现的单词，而我们需要的是只计算第一次出现的单词。原始问题中明确指出，不允许使用 HashSet 或 HashMap 等高级数据结构，这使得我们必须依赖更基础的集合类，例如 ArrayList。

2. 实现思路

要解决这个问题，我们可以遵循以下步骤：

立即学习“Java免费学习笔记（深入）”；

怪兽AI数字人

数字人短视频创作，数字人直播，实时驱动数字人

查看详情

将字符串分割成单词： 使用字符串的 split() 方法根据空格或其他分隔符将句子分解成单个单词。
标准化单词： 在比较单词之前，需要对它们进行标准化处理。这通常包括：
- 将所有单词转换为统一的大小写（例如，全部转为小写），以确保 "Word" 和 "word" 被视为同一个单词。
- 去除单词中的标点符号，例如 "ago," 应该被处理成 "ago"。
存储和检查唯一性： 使用一个 ArrayList 来存储已经遇到的独特单词。在遍历分割后的单词时，对于每个单词，先检查它是否已经存在于 ArrayList 中。如果不存在，则将其添加到列表中。

3. 代码实现

下面是一个完整的Java方法，它实现了上述逻辑：

import java.util.ArrayList;
import java.util.List;

public class WordCounter {

    /**
     * 统计字符串中独立单词的数量。
     * 该方法将字符串分割成单词，对单词进行标准化处理（转小写并去除标点），
     * 然后使用ArrayList来存储和检查单词的唯一性。
     *
     * @param s 输入的字符串
     * @return 字符串中独立单词的数量
     */
    public static int countUniqueWords(String s) {
        if (s == null || s.trim().isEmpty()) {
            return 0;
        }

        // 1. 将字符串分割成单词
        // 使用正则表达式匹配一个或多个空格作为分隔符
        // 这将处理多个空格的情况，并避免生成空字符串
        String[] words = s.split("\s+"); 

        List<String> uniqueWords = new ArrayList<>();

        for (String word : words) {
            // 2. 标准化单词：
            // a. 去除单词中的非字母字符（标点符号、数字等）
            //    replaceAll("[^a-zA-Z]", "") 会移除所有非英文字母字符
            // b. 转换为小写，确保大小写不敏感的比较
            String cleanedWord = word.replaceAll("[^a-zA-Z]", "").toLowerCase();

            // 检查处理后的单词是否为空，例如，如果原始字符串中只有标点符号
            if (!cleanedWord.isEmpty()) {
                // 3. 存储和检查唯一性
                // 如果uniqueWords列表中不包含当前处理后的单词，则将其添加进去
                if (!uniqueWords.contains(cleanedWord)) {
                    uniqueWords.add(cleanedWord);
                }
            }
        }
        return uniqueWords.size();
    }

    public static void main(String[] args) {
        String sentence1 = "A long long time ago, I can still remember";
        String sentence2 = "Hello world! Hello Java, world!";
        String sentence3 = "  Only one word ";
        String sentence4 = "   "; // 空白字符串
        String sentence5 = "Java, Java, java.";

        System.out.println("Sentence 1: "" + sentence1 + "" -> Unique words: " + countUniqueWords(sentence1)); // 期望输出 8
        System.out.println("Sentence 2: "" + sentence2 + "" -> Unique words: " + countUniqueWords(sentence2)); // 期望输出 4 (hello, world, java)
        System.out.println("Sentence 3: "" + sentence3 + "" -> Unique words: " + countUniqueWords(sentence3)); // 期望输出 3 (only, one, word)
        System.out.println("Sentence 4: "" + sentence4 + "" -> Unique words: " + countUniqueWords(sentence4)); // 期望输出 0
        System.out.println("Sentence 5: "" + sentence5 + "" -> Unique words: " + countUniqueWords(sentence5)); // 期望输出 1 (java)
    }
}

登录后复制

4. 示例运行与输出

使用上述 main 方法运行代码，您将得到以下输出：

Sentence 1: "A long long time ago, I can still remember" -> Unique words: 8
Sentence 2: "Hello world! Hello Java, world!" -> Unique words: 4
Sentence 3: "  Only one word " -> Unique words: 3
Sentence 4: "   " -> Unique words: 0
Sentence 5: "Java, Java, java." -> Unique words: 1

登录后复制

5. 注意事项与性能考量

split() 方法： s.split("\s+") 使用正则表达式 s+ 来匹配一个或多个空白字符。这比 s.split(" ") 更健壮，可以正确处理单词之间有多个空格的情况，避免产生空的单词字符串。
单词标准化： word.replaceAll("[^a-zA-Z]", "").toLowerCase() 是一个通用的标准化方法。[^a-zA-Z] 匹配任何非英文字母的字符，并将其替换为空字符串。toLowerCase() 则将所有字母转换为小写。根据具体需求，您可能需要调整正则表达式以包含数字或其他特定字符。
性能： ArrayList.contains() 方法在最坏情况下需要遍历整个列表来查找元素，其时间复杂度为 O(n)，其中 n 是列表中元素的数量。因此，对于非常大的文本，这种方法的性能可能不如使用 HashSet（其平均时间复杂度为 O(1)）。然而，考虑到原始问题中对数据结构的限制，ArrayList 是一个合理的选择。
空字符串/只有标点符号的单词： 在 cleanedWord.isEmpty() 检查中，我们确保只处理有效（非空）的单词。例如，如果原始字符串中有一个逗号 ,，经过 replaceAll 后会变成空字符串，我们不应将其计入独特单词。
多语言支持： 当前的 replaceAll("[^a-zA-Z]", "") 仅处理英文字母。如果需要支持其他语言（如中文、法文等），则需要调整正则表达式来匹配相应的字符集。

6. 总结

通过本教程，我们学习了如何使用Java的基本字符串操作和 ArrayList 来实现一个方法，以统计字符串中独立单词的数量。这个方法通过字符串分割、单词标准化和列表的唯一性检查，有效地解决了在不使用高级集合类的情况下处理文本去重的问题。尽管在处理大规模数据时可能存在性能瓶颈，但它为理解和实现基础的文本处理逻辑提供了一个清晰的范例。

以上就是Java中统计字符串中独立单词的数量的详细内容，更多请关注php中文网其它相关文章！