在上個星期阿里巴巴一面的時候，最后面試官問我如何把一篇文章中重復出現的詞或者句子找出來，當時太緊張，答的不是很好。今天有時間再來親手實現一遍。其實說白了也就是字符串的處理，所以難度并不是很大。
以下是代碼和運行效果：
實現方法：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
|
import java.io.*;import java.util.*;/** * Created by chunmiao on 17-3-20. */public class ReadArticle { //讀取文件名稱 private String filename; //讀取段落 private ArrayList<String> result = new ArrayList<>(); //最小字長（兩個字以上進行匹配） private final int MINSIZE = 2; //重復詞儲存 HashSet<String> set; public ReadArticle(String filename, HashSet<String> set) { this.filename = filename; this.set = set; } public void createData() throws IOException { String r; //讀取文章內容 BufferedReader in = new BufferedReader(new FileReader(new File(filename).getAbsoluteFile())); try { while ((r = in.readLine()) != null) { //消除不必要的標點符號 r = r.replaceAll("\\s+ |“|\\[|‘|《| *|", "").trim(); //留下” ， 。 。” ”。 ”， ？ 》 -等作為劃分句子的分割符標示 Collections.addAll(result, r.split("，|(。”|”(。|，)|。)|(\\])|”|'|？|:|》|-")); } }finally { in.close(); } //對文章內容進行遍歷找出重讀出現的句子或者是詞語 for (int i = 0 ; i < result.size() - 1; i ++){ for (int j = 0 ; j < result.size() - i - 1; j ++) { //將重復出現的詞語保存到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; //短句遍歷開始處 int start = 0; //詞的長度最短為兩個字長 int range =2; //設定短句和長句s,使得遍歷更加快捷 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時超出范圍 while (start + range <= minS.length()) { //如果句子或詞在對象里面，則找出相應的句子或詞保存在list里面 if (maxS.indexOf(minS.substring(start, start + range)) != -1) { //獲取最長句子,刪除短句子 list.remove(result); list.add(minS.substring(start, start + range)); result = minS.substring(start, start + range); range++; continue; } range = MINSIZE; start++; } return list; }} |
測試代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
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("這篇文章中的重復出現的詞或句子有以下幾個詞或句子:\n"); for (String s : result){ System.out.println(s); } }} |
讀取的文章內容：
正則匹配結果（去掉多余字符）：
字符串轉換成ArrayList:
最終處理結果：
其實從上面的結果可以看出。單純的操控字符串并不能判斷它是否是一個完整的詞和句，應該還要配合數據庫字典來匹配上面的結果，從而找出真正的詞和句
以上就是本文的全部內容，希望本文的內容對大家的學習或者工作能帶來一定的幫助，同時也希望多多支持服務器之家！
原文鏈接：http://www.cnblogs.com/sospopo/p/6591899.html
