代码之家 › 专栏 › 技术社区 › DevRj

检查java中文字的文本文件中是否包含字符串

string-comparison io arraylist java

DevRj · 技术社区 · 8 年前

我有一个来自github项目的文本文件(所有有效英语单词的集合),看起来像这样 words.txt

resources 我的项目中的文件夹。

我还有一个从mysql中的表中获得的行列表。

这是我迄今为止尝试的:

 public static void englishCheck(List<String> rows) throws IOException {
    ClassLoader classLoader = ClassLoader.getSystemClassLoader();
    int lenght, occurancy = 0;
    for ( String row : rows ){

       File file = new File(classLoader.getResource("words.txt").getFile());


       lenght = 0;

       if ( !row.isEmpty()  ){
           System.out.println("the row : "+row);
           String[] tokens = row.split("\\W+");
           lenght = tokens.length;
           for (String token : tokens) {

               occurancy = 0;
               BufferedReader br = new BufferedReader(new FileReader(file));

               String line;
               while ((line = br.readLine()) != null ){


                   if ((line.trim().toLowerCase()).equals(token.trim().toLowerCase())){
                       occurancy ++ ;

                   }
                   if (occurancy == lenght ){ System.out.println(" this is english "+row);break;}

               }

           }





       }

   }
}

List<String> raws = Arrays.asList(raw1, raw2, raw3 ) 等等

3 回复 | 直到 8 年前

Î¦XocÄ ì Ðepeúpa ã 8 年前

你可以用这个方法 List#containsAll(Collection)

如果此列表包含指定的集合。

假设你有两个列表和 MyListFromResources公司

List<String> myListFromRessources = Arrays.asList("A", "B", "C", "D");
List<String> myListFromRessources = Arrays.asList("D", "B");

boolean myInter = myListFromRessources.containsAll(myListFromSQL);
System.out.println(myInter);
myListFromSQL = Arrays.asList("D", "B", "Y");
myInter = myListFromRessources.containsAll(myListFromSQL);
System.out.println(myInter);

diguage Stephen Paul Lesniewski 8 年前

你可以阅读 words.txt HashSet

使用 boolean contains(Object o) 或 boolean containsAll(Collection<?> c); 方法比较每个单词。 O(n) .

ClassLoader classLoader = ClassLoader.getSystemClassLoader();
InputStream inputStream = classLoader.getResourceAsStream("words.txt");
BufferedReader reader = new BufferedReader(new InputStreamReader(inputStream));
List<String> wordList = new LinkedList<String>(); // You do not know word count, LinkedList is a better way.
String line = null;
while ((line = reader.readLine()) != null) {
  String[] words = line.toLowerCase().split("\\W+");
  wordList.addAll(Arrays.asList(words));
}
Set<String> wordSet = new HashSet<String>(wordList.size());
wordSet.addAll(wordList);


// then you can use the wordSet to check. 
// You shold convert the tokens to lower case.
String[] tokens = row.toLowerCase().split("\\W+");
wordSet.containsAll(Arrays.asList(tokens));

Klitos Kyriacou 8 年前

occurancy

如果你的话。txt文件不是太大,并且你有足够的RAM可用,你可以通过读取文字来加快处理速度。txt文件在开始时放入内存。此外,您只需要调用toLowerCase()一次,而不是每次比较。但是,请注意区域设置。只要您没有任何非英语字符,例如德语eszett或希腊语sigma,以下代码就可以工作。

public static void englishCheck(List<String> rows) throws IOException {
    final URI wordsUri;
    try {
        wordsUri = ClassLoader.getSystemResource("words.txt").toURI();
    } catch (URISyntaxException e) {
        throw new AssertionError(e); // can never happen
    }

    final Set<String> words = Files.lines(Paths.get(wordsUri))
            .map(String::toLowerCase)
            .collect(Collectors.toSet());

    for (String row: rows)
        if (!row.isEmpty()) {
            System.out.println("the row : " + row);
            String[] tokens = row.toLowerCase().split("\\W+");
            if (words.containsAll(Arrays.asList(tokens)))
                System.out.println(" this is english " + row);
        }
}