Java文本处理6-统计文本中汉字的出现次数（降序排序）

怼烎@ 2022-03-21 16:15 313阅读 0赞

# 1、任务简介 #

本节任务是在上一次任务[《Java文本处理5-统计文本中汉字的出现次数（乱序）》][Java_5-]的基础上统计文本中汉字的出现次数并实现降序排序，第一个程序将结果打印出来，而第二个程序将结果保存到一个指定文本中。

--------------------

# 2、基本任务和代码 #

## （1）任务1 ##

### 1）任务内容 ###

统计指定文本中每一个汉字的出现次数实现降序排序，并将结果打印出来。

### 2）具体思路 ###

（1）首先需要使用InputStreamReader类和BufferedReader类实现文本的读取，由于我使用的《西游记》为utf-8编码，所以还需要指定编码格式为utf-8；

（2）然后需要定义一个空的字符串变量，在对文本逐行读出后将读出的内容追加到该空字符串后；

（3）需要使用TreeMap方法来进行字频的统计，需要使用public static构造一个静态方法，由于是对字频进行统计，所以还需要确保字符为汉字才能进行统计，故还需要使用Matcher类进行字符串的匹配操作，若该字符为汉字则进行统计；

（4）在主函数中调用构造出来的TreeMap方法，并进行降序排序，本次任务仅需要在上一次任务的基础上使用Collections.sort（）构造排序比较器再将每一个汉字的key值和value值打印出来即可，参考链接：[点此查看][Link 1]，构造排序比较器思路大体如下：  
首先，由于Map和Collections是同级别的，不能像List排序那样直接用Collections.sort（）进行排序，故需要将map转换为list；  
然后，使用Collections.sort()方法对这个list进行降序排序，其基本格式可以参考上文给出的链接；  
最后，遍历该list然后输出降序排序的结果；

### 3）任务代码 ###

程序保存为hanzi4.java，代码如下：

import java.io.*;//导入java.io包中的所有类
    import java.util.*;//导入java.util包中的所有类
    import java.util.Map.Entry;//导入java.util.Map包中的Entry类
    public class hanzi4 {
        //类名
        public static void main(String[] args)  {
        //程序主函数
            try {
        //try代码块，当发生异常时会转到catch代码块中
            	//读取指定的文件
            	Scanner s = new Scanner(System.in);//创建scanner，控制台会一直等待输入，直到敲回车结束
            	System.out.println("请输入想要打开的文本文档：");//输入提示信息
            	String a = s.nextLine();//定义字符串变量，并赋值为用户输入的信息
            	//创建类进行文件的读取，并指定编码格式为utf-8
            	InputStreamReader read = new InputStreamReader(new FileInputStream(a),"utf-8"); 
                BufferedReader in = new BufferedReader(read);//可用于读取指定文件     
    			StringBuffer b = new StringBuffer();//定义一个字符串变量b，便于后续进行内容追加的操作
    			String str = null;//定义一个字符串类型变量str
    			int i = 0;//定义一个整型变量，用于统计字符串的出现次数
    			while((str = in.readLine()) != null) {
        //readLine()方法, 用于读取一行,只要读取内容不为空就一直执行
    				b.append(str);//将该行内容追加到字符串b的后面
    			}
    			TreeMap<Character,Integer>tm =Pross(b.toString());//调用TreeMap函数
    			System.out.println("汉字统计结果:");//输出结果
    			List<Map.Entry<Character,Integer>> list = new ArrayList<Map.Entry<Character,Integer>>(tm.entrySet());//将map转换为list便于进行排序
    			//构造一个排序比较器
    			Collections.sort (list,new Comparator<Map.Entry<Character,Integer>>() {
        //使用Collections.sort()方法对这个list进行排序
    				public int compare(Entry<Character,Integer> o1,Entry<Character,Integer> o2) {
        
    					//实现降序排序
    					int z = o2.getValue()-o1.getValue();
    	                return z;
    				}
    			});
    			for(Map.Entry<Character,Integer> mapping:list) {
        //遍历list
    				System.out.println(mapping.getKey()+"："+mapping.getValue()); //输出降序排序的结果
    			}
    		    Iterator<Integer>it = tm.values().iterator();//获取tm中values值并迭代
    		    while(it.hasNext()) {
        //检查序列中是否含有元素，若有则为true
    		    	Integer j=(Integer)it.next();//定义变量获取元素
    		    	i+=j;//迭代求总字符数
    		    }
                in.close();//关闭流
                System.out.println("总汉字数为"+i);//输出总的汉字数
            } catch (IOException e) {
        //当try代码块有异常时转到catch代码块
            	e.printStackTrace();//printStackTrace()方法是打印异常信息在程序中出错的位置及原因
            }
        }
    	public static TreeMap<Character,Integer>Pross(String str) {
        //构造TreeMap统计方法
    		String d = null;//定义一个字符串类型变量
    		char[] charArray = str.toCharArray();//将字符串转换为字符数组
    		TreeMap<Character,Integer> tm = new TreeMap<Character,Integer>();//定义一个TreeMap集合
    		for(int x = 0;x < charArray.length;x++) {
        //循环遍历字符数组
    			d=Character.toString(charArray[x]);//返回一个字符串对象
    			if (d.matches("[\\u4e00-\\u9fa5]")) {
        //if语句的条件，判断是否为汉字
    				if(!tm.containsKey(charArray[x])) {
        //if语句的条件，判断该汉字是否在tm中
    					tm.put(charArray[x], 1);//若该汉字不在tm中则初始化其value值为1
    				} else {
        //若该汉字在tem中
    					int count = tm.get(charArray[x])+1;//其出现次数增加1
    				    tm.put(charArray[x],count);//若汉字在tm中则其value值为count
    			    }
    			}
    		}
    		return tm;//返回
    	}
    }

### 4）运行结果 ###

所有文件均保存在路径D:\\demo5下，在命令行中对程序进行编译，然后运行程序读取路径下的txt文档，结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70]  
从图中可以看出对于汉字出现次数的降序排序已经打印到了黑屏幕上。

--------------------

## （2）任务2 ##

### 1）任务内容 ###

统计指定文本中每一个汉字的出现次数实现降序排序，并将结果输出到一个指定的文本文档中（将任务1的输出内容保存到指定文本文档中）。

### 2）具体思路 ###

（1）首先在任务1的基础上加上一个Scanner类，用于读取用户想要存入的文档路径和文档名；

（2）然后使用PrintStream类直接打印输出流，将内容保存到指定路径即可；

### 3）任务代码 ###

程序保存为hanzi5.java，代码如下：

import java.io.*;//导入java.io包中的所有类
    import java.util.*;//导入java.util包中的所有类
    import java.util.Map.Entry;//导入java.util.Map包中的Entry类
    public class hanzi5 {
        //类名
        public static void main(String[] args)  {
        //程序主函数
            try {
        //try代码块，当发生异常时会转到catch代码块中
            	//读取指定的文件
            	Scanner s1 = new Scanner(System.in);//创建scanner，控制台会一直等待输入，直到敲回车结束
            	Scanner s2 = new Scanner(System.in);//创建scanner，控制台会一直等待输入，直到敲回车结束
            	System.out.println("请输入想要打开的文本文档：");//输入提示信息
            	String a = s1.nextLine();//定义字符串变量，并赋值为用户输入的信息
            	System.out.println("请输入想要写入内容的文本文档：");//输入提示信息
            	String e = s2.nextLine();//定义字符串变量，并赋值为用户输入的信息
            	File file=new File(e);//用命令行参数直接写入待写入文件	
    			if(!file.exists()) {
        //if语句的条件，若指定路径下该文件不存在
    	            file.createNewFile();//则在指定路径下新建该文件
    	            }
            	//创建类进行文件的读取，并指定编码格式为utf-8
            	InputStreamReader read = new InputStreamReader(new FileInputStream(a),"utf-8"); 
                BufferedReader in = new BufferedReader(read);//可用于读取指定文件     
    			StringBuffer b = new StringBuffer();//定义一个字符串变量b，便于后续进行内容追加的操作
    			String str = null;//定义一个字符串类型变量str
    			int i = 0;//定义一个整型变量，用于统计字符串的出现次数
    			while((str = in.readLine()) != null) {
        //readLine()方法, 用于读取一行,只要读取内容不为空就一直执行
    				b.append(str);//将该行内容追加到字符串b的后面
    			}
    			TreeMap<Character,Integer>tm =Pross(b.toString());//调用TreeMap函数
    			PrintStream out = new PrintStream(file);//打印输出流，并指定保存路径
                System.setOut(out);//改变输出流并将内容保存到指定路径
    			System.out.println("汉字统计结果:");//输出结果
    			List<Map.Entry<Character,Integer>> list = new ArrayList<Map.Entry<Character,Integer>>(tm.entrySet());//将map转换为list便于进行排序
    			//构造一个排序比较器
    			Collections.sort (list,new Comparator<Map.Entry<Character,Integer>>() {
        //使用Collections.sort()方法对这个list进行排序
    				public int compare(Entry<Character,Integer> o1,Entry<Character,Integer> o2) {
        
    					//实现降序排序
    					int z = o2.getValue()-o1.getValue();
    	                return z;
    				}
    			});
    			for(Map.Entry<Character,Integer> mapping:list) {
        //遍历list
    				System.out.println(mapping.getKey()+"："+mapping.getValue()); //输出降序排序的结果
    			}
    		    Iterator<Integer>it = tm.values().iterator();//获取tm中values值并迭代
    		    while(it.hasNext()) {
        //检查序列中是否含有元素，若有则为true
    		    	Integer j=(Integer)it.next();//定义变量获取元素
    		    	i+=j;//迭代求总字符数
    		    }
                in.close();//关闭流
                System.out.println("总汉字数为"+i);//输出总的汉字数
            } catch (IOException e) {
        //当try代码块有异常时转到catch代码块
            	e.printStackTrace();//printStackTrace()方法是打印异常信息在程序中出错的位置及原因
            }
        }
    	public static TreeMap<Character,Integer>Pross(String str) {
        //构造TreeMap统计方法
    		String d = null;//定义一个字符串类型变量
    		char[] charArray = str.toCharArray();//将字符串转换为字符数组
    		TreeMap<Character,Integer> tm = new TreeMap<Character,Integer>();//定义一个TreeMap集合
    		for(int x = 0;x < charArray.length;x++) {
        //循环遍历字符数组
    			d=Character.toString(charArray[x]);//返回一个字符串对象
    			if (d.matches("[\\u4e00-\\u9fa5]")) {
        //if语句的条件，判断是否为汉字
    				if(!tm.containsKey(charArray[x])) {
        //if语句的条件，判断该汉字是否在tm中
    					tm.put(charArray[x], 1);//若该汉字不在em中则初始化其value值为1
    				} else {
        //若该汉字在tem中
    					int count = tm.get(charArray[x])+1;//其出现次数增加1
    				    tm.put(charArray[x],count);//若汉字在tm中则其value值为count
    			    }
    			}
    		}
    		return tm;//返回
    	}
    }

### 4）运行结果 ###

（1）所有文件均保存在路径D:\\demo5下，在命令行中对程序进行编译，然后读取路径下的《西游记》文档xyj.txt，然后将内容保存到该路径下的xieru2.txt文档中，命令行操作如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70 1]  
（2）打开路径D:\\demo5下的xieru2.txt文档，显示如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70 2]  
通过该方法就可以将任务1中打印到黑屏幕上的内容写入一个指定的文本文档中。

--------------------

# 3、总结 #

本次任务在上一次任务的基础之上，将获取到的汉字字频数进行降序排序，并将降序排序的结果写入了指定的文本文档中，由于和[《Java文本处理4-查询文本中汉字或字符串的出现次数》][Java_4-]中对于字频数的计算采用了不同的方法，所以可以使用里面的程序对本次任务获取的字频数进行检验来验证本文方法的准确性，我对“道”字和“一”进行了检验，结果均与本文相同，如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70 3]

[Java_5-]: https://blog.csdn.net/lsylsy726/article/details/86707237
[Link 1]: https://www.west.cn/info/html/chengxusheji/Javajishu/20180618/4195495.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70]: /images/20220321/74159ea3b6b24b9a985df5f26d68caf3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70 1]: /images/20220321/22222840d35c43d1b67dea0b9e428d9e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70 2]: /images/20220321/975f2ab8d58c43fdbbc53816494137e8.png
[Java_4-]: https://blog.csdn.net/lsylsy726/article/details/86697513
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70 3]: /images/20220321/fdd66cdd1cac402da7e89b0655268964.png