如何在 Java 中按首次出现的单词（忽略大小写）统计词频

聖光之護

发布时间：2026-01-02 12:24:25

597人浏览过

来源于php中文网

原创

如何在 Java 中按首次出现的单词（忽略大小写）统计词频

本文介绍使用 treemap 配合 string.case_insensitive_order 实现**大小写不敏感分组、但保留首次出现形式作为键名**的词频统计方法，并提供简洁、线程安全（可选）、符合语义要求的实现方案。

在处理字符串数组的词频统计时，一个常见但易被忽视的需求是：分组逻辑需忽略大小写（如 "AA"、"Aa"、"aa" 视为同一类），但最终的键必须是该类中第一次出现的原始字符串形式。例如输入 ["AA", "Bb", "Aa", "aa", "BB"]，期望输出 {AA=3, Bb=2} —— 其中 "AA" 和 "Bb" 并非字典序最小或任意选取，而是它们各自等价组中首次出现的原始形态。

直接使用 HashMap 或 ConcurrentHashMap 并手动遍历比对（如问题中嵌套循环的实现）不仅时间复杂度高（O(n²)），而且逻辑易错（例如原代码中 else { hm.put(s, 1); } 会在每次未匹配时重复插入，导致错误计数）。更优解是利用 TreeMap 的有序性与自定义比较器能力：

import java.util.TreeMap;

final TreeMap wordCount = new TreeMap<>(String.CASE_INSENSITIVE_ORDER);
final String[] words = {"AA", "Bb", "Aa", "aa", "BB"};

for (final String word : words) {
    wordCount.merge(word, 1, Integer::sum);
}

System.out.println(wordCount); // 输出: {AA=3, Bb=2}

✅ 原理说明：

String.CASE_INSENSITIVE_ORDER 作为 TreeMap 构造参数，确保所有“忽略大小写相等”的字符串被归入同一逻辑键位置；
merge(key, value, remappingFunction) 方法会先用比较器查找是否存在等价键：若找到（即已有某 s0 满足 s0.equalsIgnoreCase(word)），则对 s0 对应的值执行累加；若未找到，则将当前 word 作为新键插入 —— 这恰好保证了键始终是该等价组中第一个被 merge 处理的原始字符串，完美满足“以首次出现形式为键”的需求。

⚠️ 注意事项：

CodeSquire

AI代码编写助手，把你的想法变成代码

下载

立即学习“Java免费学习笔记（深入）”；

TreeMap 非线程安全。如需并发环境使用，可考虑 Collections.synchronizedSortedMap(new TreeMap(...))，或改用 ConcurrentSkipListMap（注意：它不支持 CASE_INSENSITIVE_ORDER 直接构造，需自定义 Comparator 并确保其满足 ConcurrentSkipListMap 的约束）；
merge() 是 Java 8 引入的推荐写法，替代了冗长的 containsKey() + get() + put() 组合，语义清晰且原子性强；
此方案天然保持插入顺序的“首次代表”，无需额外缓存或标记，简洁高效。

总结：借助 TreeMap 的定制化排序能力与 merge() 的语义精准性，我们以 O(n log k) 时间复杂度（k 为去重后组数）优雅解决了大小写不敏感分组 + 首次形态建键这一典型文本处理需求。

解决Docx4J v3.3.3生成Word文档的“内容不可读”错误

Docx4j PDF转换中页眉页脚临时图片残留问题解析与规避

将 Docx4j 文档转换为 PDF 时如何处理临时图片文件

将 Docx4j 文档转换为 PDF 时如何避免在 /tmp 目录下生成临时图片

将 Docx4j 文档转换为 PDF 时避免在 /tmp 目录下生成临时图片

相关标签:

word java app ai 字符串数组 Java String 字符串循环线程并发 word

本站声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn

上一篇：Maven 构建时 PKIX 证书验证失败的解决方案下一篇：Java里如何使用可变参数_可变参数语法与适用场景解析

作者最新文章

YDB 中如何安全地将动态参数传递给会话池执行的 SQL 查询

2025-12-30 13:46

PHP 中使用 glob() 快速定位并访问指定序号的目录

2025-12-30 13:47

实现两个开关按钮的互斥切换（一个开启时另一个自动关闭）

2025-12-30 13:49

如何在网页中安全地请求并使用文件系统编辑权限

2025-12-30 13:50

一股暴死味《007：初露锋芒》称面向“现代观众”

2025-12-30 13:54

Go 语言构建流程中如何集成额外的编译步骤？

2025-12-30 13:55

新三国志曹操传新年庆典活动速通攻略

2025-12-30 14:04

如何在 Go App Engine 项目中正确使用 go get 安装的外部包

2025-12-30 14:07

Go 中自定义结构体的可读性格式化：实现 Stringer 接口实现优雅打印

2025-12-30 14:08

如何精准固定背景上的可交互元素（如悬浮点击区域）

2025-12-30 14:09

热门AI工具

DeepSeek

幻方量化公司旗下的开源大模型平台

AI大模型

开放平台

豆包大模型

字节跳动自主研发的一系列大型语言模型

AI大模型

通义千问

阿里巴巴推出的全能AI助手

AI大模型

腾讯元宝

腾讯混元平台推出的AI助手

文档处理

Excel 表格

文心一言

文心一言是百度开发的AI聊天机器人，通过对话可以生成各种形式的内容。

AI大模型

中文写作

讯飞写作

基于讯飞星火大模型的AI写作工具，可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

中文写作

写作工具

即梦AI

一站式AI创作平台，免费AI图片和视频生成。

图片拼接

图画生成

ChatGPT

最最强大的AI聊天机器人程序，ChatGPT不单是聊天机器人，还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

AI大模型

中文写作

智谱清言 - 免费全能的AI助手

AI大模型

PDF 文档

相关专题

java

Java是一个通用术语，用于表示Java软件及其组件，包括“Java运行时环境 (JRE)”、“Java虚拟机 (JVM)”以及“插件”。php中文网还为大家带了Java相关下载资源、相关课程以及相关文章等内容，供大家免费下载使用。

825

2023.06.15

java正则表达式语法

java正则表达式语法是一种模式匹配工具，它非常有用，可以在处理文本和字符串时快速地查找、替换、验证和提取特定的模式和数据。本专题提供java正则表达式语法的相关文章、下载和专题，供大家免费下载体验。

725

2023.07.05

java自学难吗

Java自学并不难。Java语言相对于其他一些编程语言而言，有着较为简洁和易读的语法，本专题为大家提供java自学难吗相关的文章，大家可以免费体验。

731

2023.07.31

java配置jdk环境变量

Java是一种广泛使用的高级编程语言，用于开发各种类型的应用程序。为了能够在计算机上正确运行和编译Java代码，需要正确配置Java Development Kit(JDK)环境变量。php中文网给大家带来了相关的教程以及文章，欢迎大家前来阅读学习。

396

2023.08.01

java保留两位小数

Java是一种广泛应用于编程领域的高级编程语言。在Java中，保留两位小数是指在进行数值计算或输出时，限制小数部分只有两位有效数字，并将多余的位数进行四舍五入或截取。php中文网给大家带来了相关的教程以及文章，欢迎大家前来阅读学习。

398

2023.08.02

java基本数据类型

java基本数据类型有：1、byte；2、short；3、int；4、long；5、float；6、double；7、char；8、boolean。本专题为大家提供java基本数据类型的相关的文章、下载、课程内容，供大家免费下载体验。

445

2023.08.02

java有什么用

java可以开发应用程序、移动应用、Web应用、企业级应用、嵌入式系统等方面。本专题为大家提供java有什么用的相关的文章、下载、课程内容，供大家免费下载体验。

429

2023.08.02

java在线网站

Java在线网站是指提供Java编程学习、实践和交流平台的网络服务。近年来，随着Java语言在软件开发领域的广泛应用，越来越多的人对Java编程感兴趣，并希望能够通过在线网站来学习和提高自己的Java编程技能。php中文网给大家带来了相关的视频、教程以及文章，欢迎大家前来学习阅读和下载。

16881

2023.08.03

php源码安装教程大全

本专题整合了php源码安装教程，阅读专题下面的文章了解更多详细内容。

2025.12.31

热门下载

网站特效

网站源码

网站素材

前端模板