代码之家 › 专栏 › 技术社区 › Alisa

使用Java计算字符串中单词出现次数的快速方法

find-occurrences regex java

Alisa · 技术社区 · 8 年前

我希望使用Java以快速高效的方式查找单词在字符串中出现的次数。

单词用空格隔开,我正在寻找完整的单词。

Example: 
string: "the colored port should be black or white or brown"
word: "or"
output: 2

对于上述示例,“有色”和“端口”不计算在内,但“或”被计算在内。

我考虑过使用 子串() 和 包含() 并在字符串上迭代。但是,我们需要检查周围的空间,我认为这不是有效的。而且 StringUtils.countMatches() 效率不高。

我尝试过的最好方法是在空间上拆分字符串并迭代单词,然后将它们与给定的单词 :

String string = "the colored port should be black or white or brown";
String[] words = string.split(" ");
String word = "or";
int occurrences = 0;
for (int i=0; i<words.length; i++)
    if (words[i].equals(word))
        occurrences++;
System.out.println(occurrences);

但我希望有一种有效的方法 匹配器 和 正则表达式 .

因此,我测试了以下代码:

        String string1 = "the colored port should be black or white or brown or";
        //String string2 = "the color port should be black or white or brown or";
        String word = "or";
        Pattern pattern = Pattern.compile("\\s(" + word + ")|\\s(" + word + ")|(" + word + ")\\s");
        Matcher  matcher = pattern.matcher(string1);
        //Matcher  matcher = pattern.matcher(string2);
        int count = 0;
        while (matcher.find()){
            match=matcher.group();
            count++;
        }
        System.out.println("The word \"" + word + "\" is mentioned " + count + " times.");

它应该足够快,并为string1给出了正确的答案,但对string2没有(注释)。似乎需要对正则表达式进行一点修改。

有什么想法吗?

3 回复 | 直到 8 年前

Alisa 8 年前

我实验并评估了三个答案; 基于拆分 和 基于匹配器 (如问题所述),以及 Collections.frequency() 基于(如@4castle在上面的评论中所述)。每次我测量循环中的总时间,重复1000万次。因此分裂基于此的答案往往是 最有效的方法 :

String string = "the colored port should be black or white or brown";
String[] words = string.split(" ");
String word = "or";
int occurrences = 0;
for (int i=0; i<words.length; i++)
    if (words[i].equals(word))
        occurrences++;
System.out.println(occurrences);

然后是 Collections.frequency() 基于答案,运行时间稍长(~5%慢):

String string = "the colored port should be black or white or brown or";
String word = "or";
int count = Collections.frequency(Arrays.asList(string.split(" ")), word);
System.out.println("The word \"" + word + "\" is mentioned " + count + " times.");

这个 基于匹配器 解决方案(在问题中提到)要慢得多(运行时间大约增加5倍)。

Amit Kumar 8 年前

public class Test {
public static void main(String[] args) {
    String str= "the colored port should be black or white or brown";
    Pattern pattern = Pattern.compile(" or ");
    Matcher  matcher = pattern.matcher(str);

    int count = 0;
    while (matcher.find())
        count++;

    System.out.println(count);    
}

}

user2575725 user2575725 8 年前

这个怎么样?假设 word 它不会有空间。

string.split("\\s"+word+"\\s").length - 1;