在上个星期阿里巴巴一面的时候,最后面试官问我如何把一篇文章中重复出现的词或者句子找出来,当时太紧张,答的不是很好。今天有时间再来亲手实现一遍。其实说白了也就是字符串的处理,所以难度并不是很大。

以下是代码和运行效果:
实现方法:
import java.io.*;
import java.util.*;
/**
* Created by chunmiao on 17-3-20.
*/
public class ReadArticle {
//读取文件名称
private String filename;
//读取段落
private ArrayList<String> result = new ArrayList<>();
//最小字长(两个字以上进行匹配)
private final int MINSIZE = 2;
//重复词储存
HashSet<String> set;
public ReadArticle(String filename, HashSet<String> set) {
this.filename = filename;
this.set = set;
}
public void createData() throws IOException {
String r;
//读取文章内容
BufferedReader in = new BufferedReader(new FileReader(new File(filename).getAbsoluteFile()));
try {
while ((r = in.readLine()) != null) {
//消除不必要的标点符号
r = r.replaceAll("\\s+ |“|\\[|‘|《| *|", "").trim();
//留下” , 。 。” ”。 ”, ? 》 -等作为划分句子的分割符标示
Collections.addAll(result, r.split(",|(。”|”(。|,)|。)|(\\])|”|'|?|:|》|-"));
}
}finally {
in.close();
}
//对文章内容进行遍历找出重读出现的句子或者是词语
for (int i = 0 ; i < result.size() - 1; i ++){
for (int j = 0 ; j < result.size() - i - 1; j ++) {
//将重复出现的词语保存到set集合里面
set.addAll(getSameCharacter(result.get(i), result.get(j + i + 1)));
}
}
}
private ArrayList<String> getSameCharacter(String a1, String a2){
String maxS;
String minS;
//短句遍历开始处
int start = 0;
//词的长度最短为两个字长
int range =2;
//设定短句和长句s,使得遍历更加快捷
if (a1.length() <= a2.length()){
maxS = a2;
minS = a1;
}else {
maxS = a1;
minS = a2;
}
String result = "";
ArrayList<String> list = new ArrayList<String>();
//防止substring时超出范围
while (start + range <= minS.length()) {
//如果句子或词在对象里面,则找出相应的句子或词保存在list里面
if (maxS.indexOf(minS.substring(start, start + range)) != -1) {
//获取最长句子,删除短句子
list.remove(result);
list.add(minS.substring(start, start + range));
result = minS.substring(start, start + range);
range++;
continue;
}
range = MINSIZE;
start++;
}
return list;
}
}
测试代码:
import java.io.IOException;
import java.util.HashSet;
public class Main {
public static void main(String[] args) throws IOException {
String filename = "test.txt";
HashSet<String> result = new HashSet<String>();
ReadArticle read = new ReadArticle(filename,result);
read.createData();
System.out.println("这篇文章中的重复出现的词或句子有以下几个词或句子:\n");
for (String s : result){
System.out.println(s);
}
}
}
读取的文章内容:
正则匹配结果(去掉多余字符):
字符串转换成ArrayList:
最终处理结果:
其实从上面的结果可以看出。单纯的操控字符串并不能判断它是否是一个完整的词和句,应该还要配合数据库字典来匹配上面的结果,从而找出真正的词和句
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,同时也希望多多支持!
# java从文件读取字符串
# 读取字符串
# java读取字符串
# Java使用正则表达式截取重复出现的XML字符串功能示例
# java实现输出字符串中第一个出现不重复的字符详解
# Java中ArrayList去除重复元素(包括字符串和自定义对象)
# java统计字符串中重复字符出现次数的方法
# java求数组元素重复次数和java字符串比较大小示例
# 用Java正则去掉字符串中重复出现的字符
# Java中字符串去重的特性介绍
# Java8新特性之字符串去重介绍
# Java实现去掉字符串重复字母的方法示例
# 遍历
# 两个字
# 是一个
# 几个
# 很好
# 阿里巴巴
# 一遍
# 问我
# 再来
# 或者是
# 可以看出
# 这篇文章
# 并不能
# 上个
# 说白了
# 转换成
# 最短
# 一篇文章
# 面试官
# 子有
相关文章:
制作农业网站的软件,比较好的农业网站推荐一下?
如何正确选择百度移动适配建站域名?
如何批量查询域名的建站时间记录?
香港网站服务器数量如何影响SEO优化效果?
深圳网站制作设计招聘,关于服装设计的流行趋势,哪里的资料比较全面?
电商平台网站制作流程,电商网站如何制作?
如何通过二级域名建站提升品牌影响力?
如何处理“XML格式不正确”错误 常见XML well-formed问题解决方法
视频网站制作教程,怎么样制作优酷网的小视频?
音响网站制作视频教程,隆霸音响官方网站?
建站主机是否等同于虚拟主机?
网站制作模板下载什么软件,ppt模板免费下载网站?
如何用景安虚拟主机手机版绑定域名建站?
linux top下的 minerd 木马清除方法
官网建站费用明细查询_企业建站套餐价格及收费标准指南
如何选择适合PHP云建站的开源框架?
如何将凡科建站内容保存为本地文件?
如何在阿里云虚拟服务器快速搭建网站?
制作网站的网址是什么,请问后缀为.com和.com.cn还有.cn的这三种网站是分别是什么类型的网站?
实现虚拟支付需哪些建站技术支撑?
活动邀请函制作网站有哪些,活动邀请函文案?
如何用花生壳三步快速搭建专属网站?
儿童网站界面设计图片,中国少年儿童教育网站-怎么去注册?
如何快速查询网址的建站时间与历史轨迹?
建站主机与服务器功能差异如何区分?
建站之星如何修改网站生成路径?
云南网站制作公司有哪些,云南最好的招聘网站是哪个?
表情包在线制作网站免费,表情包怎么弄?
如何用西部建站助手快速创建专业网站?
黑客如何利用漏洞与弱口令入侵网站服务器?
建站主机选虚拟主机还是云服务器更好?
,购物网站怎么盈利呢?
广州商城建站系统开发成本与周期如何控制?
江苏网站制作公司有哪些,江苏书法考级官方网站?
如何选择域名并搭建高效网站?
建站之星如何实现五合一智能建站与营销推广?
美食网站链接制作教程视频,哪个教做美食的网站比较专业点?
零服务器AI建站解决方案:快速部署与云端平台低成本实践
,制作一个手机app网站要多少钱?
济南专业网站制作公司,济南信息工程学校怎么样?
在线ppt制作网站有哪些,请推荐几个好的课件下载的网站?
宁波自助建站系统如何快速打造专业企业网站?
宝塔面板如何快速创建新站点?
深圳网站制作培训,深圳哪些招聘网站比较好?
教学网站制作软件,学习*后期制作的网站有哪些?
jQuery 常见小例汇总
如何零基础开发自助建站系统?完整教程解析
C++中的Pimpl idiom是什么,有什么好处?(隐藏实现)
建站主机选择指南:服务器配置与SEO优化实战技巧
如何在Golang中引入测试模块_Golang测试包导入与使用实践
*请认真填写需求信息,我们会在24小时内与您取得联系。