【java文本处理】实现文档中字母、数字、汉字、标点符号和总字符的个数计算

Myth丶恋晨 2022-04-23 00:12 237阅读 0赞

## 01. 目的 ##

累计文档中字母、数字、汉字、标点符号以及全部字符的数目。

注：`文档中的空格、英文标点符号归为：“其他字符”`

## 02. 主要方法 ##

（1）用InputStreamReader读入文本内容，以行读入`str = buf.readLine()`并判断一行中每个字符`str.charAt(i)；`

（2）判断字母：`str.charAt(i))>='A' && (str.charAt(i))<='Z') || ((str.charAt(i))>='a' && (str.charAt(i))<='z')`

（3）判断数字：`str.charAt(i)>='0' && str.charAt(i)<='9'`

（4）判断汉字：`str.charAt(i)>=0x4e00 && str.charAt(i)<=0x9fbb`

判断中文字符：（包括中文标点符号）`str.charAt(i)>=0x0391 && s.charAt(i)<=0xFFE5`

`此例中汉字和标点符号分别判断`

（5）判断中文标点符号：  
参考：[Java判断中文符号 — Character.UnicodeBlock中的cjk说明][Java_ _ Character.UnicodeBlock_cjk]

Character.UnicodeBlock pun = Character.UnicodeBlock.of(str.charAt(i));	 //获取此字符的UniCodeBlock			
    if (pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS ||
        pun == Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS || 
        pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A || 
        pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B || 
        pun == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION || 
        pun == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS ||
        pun == Character.UnicodeBlock.GENERAL_PUNCTUATION)

> `Character.UnicodeBlock中cjk的说明：`
> 
>  *  Character.UnicodeBlock.CJK\_UNIFIED\_IDEOGRAPHS ： 4E00-9FBF：CJK 统一表意符号
>  *  Character.UnicodeBlock.CJK\_COMPATIBILITY\_IDEOGRAPHS ：F900-FAFF：CJK 兼容象形文字
>  *  Character.UnicodeBlock.CJK\_UNIFIED\_IDEOGRAPHS\_EXTENSION\_A ：3400-4DBF：CJK 统一表意符号扩展A
>  *  Character.UnicodeBlock.GENERAL\_PUNCTUATION ：2000-206F：常用标点
>  *  Character.UnicodeBlock.CJK\_SYMBOLS\_AND\_PUNCTUATION ：3000-303F：CJK 符号和标点
>  *  Character.UnicodeBlock.HALFWIDTH\_AND\_FULLWIDTH\_FORMS ：FF00-FFEF：半角及全角形式

## 03. 程序代码 ( charCount.java ) ##

/* 
    * 累计文档中的字母、数字、汉字、中文标点符号和其他字符的个数
    * @author WTCLAB_yd
    */
    import java.io.*;
    public class charCount {
        
    	public static void main(String[] args) {
        
    		String character=null,figure=null,sinogram=null,others=null;//定义字符串字母、数字、汉字和其他，用于存放从文中提取出的对应内容
    		int c=0,f=0,s=0,o=0,b=0;//用于累计文档中字母、数字、汉字和其他字符的个数
    		String str=null;
    		File read_file=new File(args[0]);//建立读入文件对象
    		try{
        
    			InputStreamReader reader = new InputStreamReader(new FileInputStream(read_file)); // 将输入的字节流转换成字符流
    			BufferedReader buf=new BufferedReader(reader);	//将字符流添加到缓冲流
    			while ((str = buf.readLine()) != null){
        
    			for(int i=0;i<str.length();i++)
    			{
        	
    				//判断是否是字母
    				if( ((str.charAt(i))>='A' && (str.charAt(i))<='Z') || ((str.charAt(i))>='a' && (str.charAt(i))<='z') )
    				{
        
    					c++;
    					continue;
    				}	
    				if(str.charAt(i)>='0' && str.charAt(i)<='9')//判断数字
    				{
        
    					f++;
    					continue;
    				}
    				if(str.charAt(i)>=0x4e00 && str.charAt(i)<=0x9fbb)//判断汉字
    				{
        	
    					s++;
    					continue;
    				}
     
    				Character.UnicodeBlock pun = Character.UnicodeBlock.of(str.charAt(i)); //获取此字符的UniCodeBlock
    				if (pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS || pun == Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS 
                    || pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A || pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B 
                    || pun == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION || pun == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS 
                    || pun == Character.UnicodeBlock.GENERAL_PUNCTUATION) {
        
    					b++;
    				}
    				else
    				{
        
    					o++;
    					continue;
    				}
    			}
    			}
    			System.out.println("\n《西游记》中:\n");
    			System.out.println("字母的个数："+c+"\n");
    			System.out.println("汉字的个数："+s+"\n");
    			System.out.println("数字的个数："+f+"\n");
    			System.out.println("标点的个数："+b+"\n");
    			System.out.println("其他字符："+o);
    			System.out.println("总字符数："+(c+s+f+b+o));
    			}
    			catch(IOException e){
        //捕获异常
    				e.printStackTrace();			
    			}
    	}
    }

## 04. 功能演示 ##

（1）执行 ：\*\*java char\_slash xyj.txt \*\*

（命令行参数方式：xyj.txt 是待处理文档）

![在这里插入图片描述][20190121235735409.gif]

（2）测试：

`英文单词间的空格、英文标点符号算作“其他字符”`  
![在这里插入图片描述][20190121235810865.PNG]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70]

[Java_ _ Character.UnicodeBlock_cjk]: https://blog.csdn.net/yangdan1025/article/details/86586578
[20190121235735409.gif]: /images/20220325/22a4ff24000742a49baf9f60bc5c49f2.png
[20190121235810865.PNG]: /images/20220325/efaab48a668d4a4f9be19f421d5692dc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdkYW4xMDI1_size_16_color_FFFFFF_t_70]: /images/20220325/55cf653211504a46b04301480507f2b7.png