查找文件中每個單詞的頻率

Question

我正在嘗試查找文件中每個單詞的頻率。

不只是搜索某個單詞有多少個實例，而是每個單詞的頻率。

例如，如果該文件包含了這樣一句話：

！「真棒超級超級酷的人真棒」

它將輸出此：

Super - 2 
Awesome - 2 
Cool - 1 
People - 1 
Are - 1 

顯示每個單詞的頻率。

我怎樣才能在Java中做到這一點，但計算整個文件，而不知道我可能測試什麼單詞？

Answer 1

嘗試以下操作：

// This will match all non-word characters, i.e. characters that are 
// not in [a-zA-Z_0-9]. This should match whitespaces and interpunction. 
String nonWordDelimiter="[\W]+"; 

String[] words = text.split(nonWordDelimiter); 

Map<String, Integer> frequencies = new LinkedHashMap<String, Integer>(); 
for (String word : words) { 
    if (!word.isEmpty()) { 
     Integer frequency = frequencies.get(word); 

     if (frequency == null) { 
      frequency = 0; 
     } 

     ++frequency; 
     frequencies.put(word, frequency); 
    } 
} 

最後，地圖frequencies將包含每個單詞的頻率。