Java字符串中不重复单词计数教程-java教程-PHP中文网

Java字符串中不重复单词计数教程

DDD

发布： 2025-11-15 16:49:54

原创

813人浏览过

Java字符串中不重复单词计数教程

本教程旨在详细讲解如何在java中高效地统计给定字符串中不重复单词的数量。我们将通过将字符串拆分为单词，并利用arraylist存储和判断单词的唯一性，最终实现精确计数，同时避免使用hashset等高级数据结构，适用于基础编程场景。

1. 问题背景与目标

在文本处理和数据分析中，统计一个字符串中包含多少个不重复的单词是一个常见的需求。例如，给定一个句子 "A long long time ago, I can still remember"，我们期望的输出是不重复单词的数量 8（即 "A", "long", "time", "ago", "I", "can", "still", "remember"）。

本教程的目标是实现一个Java方法，该方法能够接收一个字符串作为输入，并返回其中不重复单词的数量。特别地，我们将遵循不使用 HashSet 或 HashMap 等高级集合类型的限制，转而采用更基础的数据结构和逻辑来判断单词的唯一性。

2. 核心思路与实现步骤

为了准确地统计不重复单词，我们需要分以下几个主要步骤进行：

字符串预处理： 清理输入字符串，例如统一大小写、移除标点符号，以便更准确地识别单词。
单词提取： 将预处理后的字符串分解成独立的单词。
唯一性判断与存储： 使用一个列表（如 ArrayList）来存储已经遇到的不重复单词。遍历提取出的单词，如果当前单词尚未在列表中，则将其添加进去。
计数： 最终，列表中元素的数量即为不重复单词的总数。

我们将使用 String 类的 replaceAll() 和 split() 方法进行字符串处理和单词提取，并使用 ArrayList 来管理唯一单词。

立即学习“Java免费学习笔记（深入）”；

2.1 字符串预处理

原始字符串可能包含标点符号（如逗号、句号）和大小写混合的单词（如 "Hello" 和 "hello"）。为了将它们视为同一个单词，我们通常需要：

移除标点符号： 使用正则表达式将所有非字母、非数字、非空格的字符替换掉。
统一大小写： 将所有字符转换为小写（或大写）。

String rawString = "A long long time ago, I can still remember";
// 1. 移除除字母、数字和空格以外的字符
// 2. 将字符串转换为小写
String cleanedString = rawString.replaceAll("[^a-zA-Z0-9 ]", "").toLowerCase();
// 此时 cleanedString 变为 "a long long time ago i can still remember"

登录后复制

2.2 单词提取

预处理后，字符串中的单词之间通常由一个或多个空格分隔。我们可以使用 String.split() 方法，结合正则表达式 \s+（表示一个或多个空白字符），将字符串拆分成一个单词数组。

// 假设 cleanedString 已经处理完毕
String[] words = cleanedString.split("\s+");
// 对于 "a long long time ago i can still remember"，words 数组将是：
// ["a", "long", "long", "time", "ago", "i", "can", "still", "remember"]

登录后复制

使用 \s+ 而不是简单的 " " 可以更好地处理多个连续空格的情况，避免产生空字符串。

2.3 唯一性判断与存储

现在我们有了一个单词数组。我们需要一个 ArrayList 来存储所有不重复的单词。遍历 words 数组，对于每个单词：

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

首先检查它是否为空字符串（isEmpty()），因为即使经过 split("\s+")，如果原始字符串是空或只包含标点，仍可能产生空字符串。
如果单词不为空，则使用 ArrayList 的 contains() 方法检查该单词是否已存在于 uniqueWords 列表中。
如果不存在，则使用 add() 方法将其添加到 uniqueWords 列表中。

List<String> uniqueWords = new ArrayList<>();
for (String word : words) {
    if (!word.isEmpty()) { // 确保不是空字符串
        if (!uniqueWords.contains(word)) {
            uniqueWords.add(word);
        }
    }
}

登录后复制

2.4 计数

当上述循环完成后，uniqueWords 列表中包含了所有经过处理且不重复的单词。因此，列表的 size() 方法将直接返回我们所需的不重复单词数量。

int numberOfUniqueWords = uniqueWords.size();

登录后复制

3. 完整示例代码

结合上述步骤，以下是一个完整的Java类，包含 countUniqueWords 方法和用于测试的 main 方法：

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

public class UniqueWordCounter {

    /**
     * 统计字符串中不重复单词的数量。
     * 该方法对输入字符串进行预处理（移除标点、统一小写），
     * 然后按空格拆分，并使用ArrayList存储唯一单词。
     *
     * @param s 输入的字符串
     * @return 不重复单词的数量
     */
    public static int countUniqueWords(String s) {
        // 处理 null 或空字符串的边缘情况
        if (s == null || s.trim().isEmpty()) {
            return 0;
        }

        // 1. 字符串预处理：
        //    - 移除除字母、数字和空格以外的字符
        //    - 将整个字符串转换为小写，实现大小写不敏感的比较
        String cleanedString = s.replaceAll("[^a-zA-Z0-9 ]", "").toLowerCase();

        // 2. 单词提取：
        //    - 按一个或多个空白字符拆分字符串
        String[] words = cleanedString.split("\s+");

        // 用于存储不重复单词的列表
        List<String> uniqueWords = new ArrayList<>();

        // 3. 唯一性判断与存储：
        for (String word : words) {
            // 确保单词不为空（split("\s+")在某些情况下可能产生空字符串，例如输入只有标点符号）
            if (!word.isEmpty()) {
                if (!uniqueWords.contains(word)) {
                    uniqueWords.add(word);
                }
            }
        }

        // 4. 计数：返回唯一单词列表的大小
        return uniqueWords.size();
    }

    public static void main(String[] args) {
        String input1 = "A long long time ago, I can still remember";
        String input2 = "Hello world, hello Java! Java is great.";
        String input3 = "   one   two   one   ";
        String input4 = "Java, Java, java!"; // 测试大小写和标点
        String input5 = "";
        String input6 = null;
        String input7 = "!!!???"; // 只有标点

        System.out.println("Input: "" + input1 + "" -> Unique words: " + countUniqueWords(input1)); // 预期: 8
        System.out.println("Input: "" + input2 + "" -> Unique words: " + countUniqueWords(input2)); // 预期: 5 (hello, world, java, is, great)
        System.out.println("Input: "" + input3 + "" -> Unique words: " + countUniqueWords(input3)); // 预期: 2 (one, two)
        System.out.println("Input: "" + input4 + "" -> Unique words: " + countUniqueWords(input4)); // 预期: 1 (java)
        System.out.println("Input: "" + input5 + "" -> Unique words: " + countUniqueWords(input5)); // 预期: 0
        System.out.println("Input: "" + input6 + "" -> Unique words: " + countUniqueWords(input6)); // 预期: 0
        System.out.println("Input: "" + input7 + "" -> Unique words: " + countUniqueWords(input7)); // 预期: 0
    }
}

登录后复制

4. 注意事项与优化

在实现不重复单词计数时，有几个重要的细节需要考虑：

大小写敏感性： 默认情况下，Java字符串的比较是区分大小写的，即 "Apple" 和 "apple" 会被视为不同的单词。为了实现不区分大小写的计数，最简单有效的方法是在比较和存储单词之前，将所有单词统一转换为小写（或大写），如示例代码中的 toLowerCase()。
标点符号处理： 标点符号会影响单词的识别。例如，"word." 和 "word" 会被视为两个不同的字符串。
- 预处理整个字符串： 这是最推荐的方法，如示例代码所示，在拆分之前使用 replaceAll("[^a-zA-Z0-9 ]", "") 移除所有非字母数字和空格的字符。
- 处理单个单词： 也可以在遍历单词数组时，对每个单词进行修剪，移除前导和尾随的标点符号，但这通常比预处理整个字符串更复杂。
空字符串处理： String.split() 方法在某些情况下（如字符串以分隔符开头/结尾，或有多个连续分隔符）可能会产生空字符串。例如，" hello world ".split("\s+") 会得到 ["hello", "world"]，但如果输入是 " " 或 ",,," 经过预处理后是 ""，split("\s+") 可能会产生一个空数组或包含空字符串的数组。因此，在将单词添加到 uniqueWords 列表之前，进行 !word.isEmpty() 检查是良好的编程实践。
性能考量： ArrayList.contains() 方法在内部通过线性扫描（即从头到尾逐个比较）来检查元素是否存在。对于包含 N 个唯一单词的列表，每次 contains() 调用平均需要 O(N) 的时间复杂度。如果字符串中包含大量单词，并且有许多不重复的单词，这种方法可能会导致整体性能下降。尽管题目要求不使用 HashSet，但在允许的情况下，HashSet 是处理唯一性问题的更优选择，因为它提供了接近 O(1)（常数时间）的平均查找性能。对于本教程所描述