单词 统计

用户需求:

英语的26 个字母的频率在一本小说中是如何分布的?

某类型文章中常出现的单词是什么?

某作家最常用的词汇是什么?

《哈利波特》 中最常用的短语是什么,等等。

我们就写一些程序来解决这个问题,满足一下我们的好奇心。

0步:输出某个英文文本文件中 26 字母出现的频率,由高到低排列,并显示字母出现的百分比,精确到小数点后面两位。

字母频率 = 这个字母出现的次数 / (所有A-Za-z字母出现的总数)

如果两个字母出现的频率一样,那么就按照字典序排列。  如果 S T 出现频率都是 10.21%, 那么, S 要排在T 的前面。

1步:输出单个文件中的前 N 个最常出现的英语单词。

作用:一个用于统计文本文件中的英语单词出现频率。

单词:以英文字母开头,由英文字母和字母数字符号组成的字符串视为一个单词。单词以分隔符分割且不区分大小写。在输出时,所有单词都用小写字符表示。

英文字母:A-Za-z

字母数字符号:A-Za-z0-9

1步:输出单个文件中的前 N 个最常出现的英语单词。

分割符:空格,非字母数字符号 例:good123是一个单词,123good不是一个单词。goodGoodGOOD是同一个单词。

package piao;
import java.util.*;
import java.io.*;

class letter
{
private char l;
private int count;

public char getL() {
    return l;
}
public void setL(char l) {
    this.l = l;
}
public int getCount() {
    return count;
}
public void setCount(int count) {
    this.count = count;
}

public letter() {};
public letter(char l,int count) 
{
    this.l=l;
    this.count=count;
}
class word
{
    private String value;
    private int count;
    
    public String getValue() {
        return value;
    }
    public void setValue(String value) {
        this.value = value;
    }
    public int getCount() {
        return count;
    }
    public void setCount(int count) {
        this.count = count;
    }
    public word() {};
    public word(String value,int count)
    {
        this.value=value;
        this.count=count;
    }
}

public class Piaotxt {
    

    public void main(String[] args)throws FileNotFoundException, IOException {
        // TODO 自动生成的方法存根
        File file=new File("F:/java开发/piao.txt");
        BufferedReader br=new BufferedReader(new FileReader(file));
        FileOutputStream out=new FileOutputStream("F:/java开发/jieguo.txt");
        PrintStream p=new PrintStream(out);//文件写入流
        
        String s;
        int i=0;
        double b=0;
        int j=0;
      
        double sum=0;
        int count=0;
        s=br.readLine();
        char [] strArr1 = s.toCharArray();//转化为单个字符
        String []s1=s.split(" ");//以空格为分割划分每个单词
        word []w=new word[s1.length];
        
        for(i=0;i<strArr1.length;i++)
        {
            if(strArr1[i]!=' '||strArr1[i]!=','||strArr1[i]!='.')
                sum++;
        }//求全部字母数
        
        for(char ch='a';ch<'z';ch++)
        {
            count=0;//计数器
            for(i=0;i<strArr1.length;i++)
            {
                if(ch==strArr1[i]||strArr1[i]==ch-32)
                    count++;
            }
            if(count!=0)
                b=count/sum;
                System.out.print("字符中"+ch+"有"+count+"个");
                System.out.println("占比:"+String.format("%.2f", b));
        
        }  
        
        for(i=0;i<s1.length;i++)
        {
            count=0;
            for(j=0;j<s1.length;j++)
            {
                if(s1[i].equals(s1[j]))
                {
                    count++;
                }
                
            }

                 w[i]=new word(s1[i],count);
        }
        
        word temp=new word();
        for(i=0;i<s1.length;i++)
        {
            for(j=0;j<s1.length-1;j++)
            {
                if(w[j].getCount()<w[j+1].getCount())
                {
                    temp=w[j];
                    w[j]=w[j+1];
                        w[j+1]=temp;    
                }
            }
            
        }
        
        for(i=0;i<w.length;i++)
        {
            System.out.println(w[i].getValue()+":"+w[i].getCount());
        }
    }
}
}

  

原文地址:https://www.cnblogs.com/gkl20173667/p/11066415.html