Java文本处理5-统计文本中汉字的出现次数（乱序）

怼烎@ 2022-03-21 04:59 425阅读 0赞

# 1、任务简介 #

本节任务是编写一个Java程序，可以统计指定文本中每一个汉字的出现次数，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，并将结果打印出来。

### 2）具体思路 ###

（1）与之前的处理方法一样，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，并将结果打印出来，然后迭代每一个汉字的Value值可以得到总字符数（与[《Java文本处理3-统计文本行数、字符数、汉字、数字、字母数等》][Java_3-]中的统计结果进行对比可以验证该方法的准确性）；

### 3）任务代码 ###

程序保存为hanzi2.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
    public class hanzi2 {
        //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:"+tm);//输出结果
    		    Iterator<Integer>it = tm.values().iterator();//获取tm中value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tem中
    					tm.put(charArray[x], 1);//若该汉字不在tem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tem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:\\demo4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，统计结果已经在黑屏幕上打印了出来。

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

## （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，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hanzi3.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
    public class hanzi3 {
        //类名
        public static void main(String[] args)  {
        //程序主函数
    //    	PrintStream out;
            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:"+tm);//输出结果
    		    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tem中
    					tm.put(charArray[x], 1);//若该汉字不在tem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tem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:\\demo4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xieru1.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:\\demo4下的xieru1.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]  
通过该方法就成功地将任务1中打印到黑屏幕上的内容写入了指定的文本文档，并且统计出来的总汉字数为589702个，与[《Java文本处理3-统计文本行数、字符数、汉字、数字、字母数等》][Java_3-]中的统计结果相同，从而也验证了本博客方法的准确性。

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

# 3、总结 #

本次任务实现了统计指定文本中每一个汉字的出现次数，并将结果打印到黑屏幕或者保存到一个指定文本中，达到了预期的效果，但是不足之处在于未将汉字按照出现频数进行排序，这也是后续任务中我想要实现的，所以该部分内容我也会在后面的博客中进行更新。

[Java_3-]: https://blog.csdn.net/lsylsy726/article/details/86650722
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70]: /images/20220321/4ba916a5ea6d46f4b70d57ec6911b9b9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70 1]: /images/20220321/a78f8c953c46479387f698a1c5ad4213.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70 2]: /images/20220321/ea05cfce81d2453db434df2e0c013f3b.png