本教程详细介绍了如何在java中统计字符串中的唯一词汇数量，同时忽略重复词。我们将利用字符串分割和列表（arraylist）等基础数据结构，通过遍历单词并检查其在列表中是否存在的方式，有效地识别并收集所有不重复的词汇。这种方法避免了使用哈希表等高级数据结构，适用于对基础api有严格要求的场景，最终返回唯一词汇的总数。
在Java编程中，统计一个字符串中不重复的词汇数量是一个常见的需求。本教程将指导您如何使用基本的字符串操作和列表（List）数据结构来实现这一功能，同时遵循不使用哈希表（如HashSet或HashMap）等高级集合的限制。
1. 理解问题与核心思路
我们的目标是接收一个字符串作为输入，然后统计其中出现过的、且互不相同的词汇总数。例如，对于字符串 "A long long time ago, I can still remember"，期望的输出是8（即 "A", "long", "time", "ago,", "I", "can", "still", "remember"）。
核心思路包括以下几个步骤：
- 标准化字符串：为了准确地将“词汇”视为独立单元，我们需要处理大小写和标点符号。通常，我们会将所有字母转换为小写，并移除或替换标点符号。
- 分割字符串为词汇：将处理后的字符串按空格或其他分隔符拆分成单个词汇。
- 存储和判断唯一性：使用一个列表（如ArrayList）来存储已经遇到的唯一词汇。在遍历分割后的词汇时，每次检查当前词汇是否已存在于列表中。如果不存在，则将其添加到列表中。
- 统计结果：列表最终的元素数量即为唯一词汇的总数。
2. 实现唯一词汇计数方法
我们将创建一个静态方法 countUniqueWords，它接收一个 String 参数 s 并返回一个 int 值。
立即学习“Java免费学习笔记（深入）”；
import java.util.ArrayList;
import java.util.List;
public class WordCounter {
/**
* 统计给定字符串中的唯一词汇数量。
* 该方法会忽略词汇的大小写差异，并尝试处理标点符号，
* 但不使用哈希表等高级数据结构。
*
* @param s 输入字符串
* @return 唯一词汇的数量
*/
public static int countUniqueWords(String s) {
if (s == null || s.trim().isEmpty()) {
return 0;
}
// 步骤1: 标准化字符串
// 将字符串转换为小写，并移除所有非字母和非空格的字符。
// 这有助于将 "Ago," 和 "ago" 视为同一个词。
String normalizedString = s.toLowerCase().replaceAll("[^a-z\\s]", "");
// 步骤2: 分割字符串为词汇
// 使用空格作为分隔符。split() 方法可能会产生空字符串，例如 "word word" 会产生 ""。
String[] words = normalizedString.split(" ");
// 步骤3: 存储和判断唯一性
// 使用 ArrayList 来存储唯一词汇。
List uniqueWords = new ArrayList<>();
for (String word : words) {
// 过滤掉分割后可能产生的空字符串
if (!word.trim().isEmpty()) {
// 检查词汇是否已存在于 uniqueWords 列表中
if (!uniqueWords.contains(word)) {
uniqueWords.add(word);
}
}
}
// 步骤4: 统计结果
return uniqueWords.size();
}
public static void main(String[] args) {
String input1 = "A long long time ago, I can still remember";
int count1 = countUniqueWords(input1);
System.out.println("输入: \"" + input1 + "\"");
System.out.println("唯一词汇数量: " + count1); // 预期输出: 8
String input2 = "Hello world, hello Java! World is great.";
int count2 = countUniqueWords(input2);
System.out.println("\n输入: \"" + input2 + "\"");
System.out.println("唯一词汇数量: " + count2); // 预期输出: 5 ("hello", "world", "java", "is", "great")
String input3 = " apple banana apple ";
int count3 = countUniqueWords(input3);
System.out.println("\n输入: \"" + input3 + "\"");
System.out.println("唯一词汇数量: " + count3); // 预期输出: 2 ("apple", "banana")
String input4 = null;
int count4 = countUniqueWords(input4);
System.out.println("\n输入: \"" + input4 + "\"");
System.out.println("唯一词汇数量: " + count4); // 预期输出: 0
}
} 示例输出：
输入: "A long long time ago, I can still remember" 唯一词汇数量: 8 输入: "Hello world, hello Java! World is great." 唯一词汇数量: 5 输入: " apple banana apple " 唯一词汇数量: 2 输入: "null" 唯一词汇数量: 0
3. 注意事项与优化
- 大小写敏感性：在上述代码中，我们通过 toLowerCase() 方法将所有词汇转换为小写，从而实现了大小写不敏感的统计（例如 "A" 和 "a" 被视为同一个词）。如果需要区分大小写，可以移除 toLowerCase() 调用。
- 标点符号处理：replaceAll("[^a-z\\s]", "") 正则表达式用于移除所有非字母和非空格的字符。这是一种常见的处理方式，但具体策略可能需要根据实际需求调整。例如，如果需要保留连字符词（如 "well-being"），则正则表达式需要修改。
- 空字符串和空白词：split(" ") 方法在遇到多个连续空格时，可能会产生空字符串（例如 "a b" 分割后可能包含 ""）。代码中通过 !word.trim().isEmpty() 进行了过滤，确保只有非空词汇才会被处理。
-
效率考量：
- ArrayList.contains(word) 方法在内部会遍历列表中的所有元素来查找匹配项。这意味着其时间复杂度为 O(N)，其中 N 是 uniqueWords 列表的大小。
- 因此，对于包含大量词汇或非常长的字符串，这种方法的效率会相对较低，总时间复杂度可能达到 O(M*N)，其中 M 是总词汇数。
- 在允许使用哈希表（如 HashSet）的场景下，HashSet.add() 和 HashSet.contains() 的平均时间复杂度为 O(1)，这将大大提高性能。然而，本教程严格遵守了不使用高级数据结构的限制。
- 内存使用：ArrayList 会存储所有唯一的词汇。对于词汇种类非常多的长文本，可能会占用较多内存。
总结
本教程展示了如何在Java中利用基础的字符串操作和 ArrayList 来实现字符串中唯一词汇的计数功能。通过对字符串进行标准化处理（小写化和移除标点）、分割成词汇，并使用列表进行唯一性判断和存储，我们成功地在不使用高级数据结构（如哈希表）的情况下解决了问题。尽管这种方法在处理超大规模数据时可能存在性能瓶颈，但对于大多数中小型应用而言，它提供了一个清晰、易于理解且符合基础限制的解决方案。
