「Java实例」使用正则统计英文文章中的高频词汇

丝瓜网小编提示，记得把"「Java实例」使用正则统计英文文章中的高频词汇"分享给大家！

需求分析

某英语老师需要统计完型填空、阅读理解等题型中出现的高频词汇，将这些词汇整理后让学生加强学习与记忆。

（1）只统计英文词汇，文章中的中文需要剔除；

（2）统计出高频的词汇及出现次数；

（3）按出现频率从高到低的顺序给出有限的结果。处理过程

（1）从文本文件读入文章，放到内存中等待处理；

（2）使用正则匹配中英文单词，不包含中文和其它特殊字符；

（3）将匹配出的单词存起来，并统计出现次数；

（4）按出现次数从高到低进行排序；

（5）取前N个结果；代码实现public class WordCounter {

//储存次数的Map

private static Map<String" Integer> countMap = Maps.newHashMap();

//正则匹配

private static String regex = "[a-zA-Z]+";

private static Pattern pattern = Pattern.compile(regex);

//总个数

private static int sumCount = 0;

public static void main(String[] args) throws IOException {

//文件：包含要处理的文章

String filePath = "C:\input2.txt";

//使用Gavua的库读取文件，返回所有行

List<String> lines = Files.readLines(new File(filePath)" Charset.forName("UTF-8"));

//遍历处理所有行

lines.forEach(WordCounter::processLine);

//排序，取前20个结果

countMap.entrySet().stream()

.sorted(Comparator.comparing(Map.Entry::getValue" Comparator.reverseOrder()))

.limit(20)

.forEach(

entry -> System.out.println(entry.getKey() + " " + entry.getValue())