使用 Java 快速计算字符串中单词出现次数的方法

Question

我想使用 Java 以快速有效的方式查找单词在字符串中出现的次数。

单词被space分隔，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

上面的例子，"colored"和"port"不算，但是"or"算了

我考虑过使用 substring() 和 contains() 并遍历字符串。但随后我们需要检查周围的 spaces，我认为这效率不高。另外 StringUtils.countMatches() 效率不高。

我尝试过的最好方法是将字符串拆分为 space 并遍历单词，然后将它们与给定的 word:

进行匹配

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);

但我期待一些使用 Matcher 和 regex 的有效方法。

所以我测试了下面的代码：

        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，并为我提供了 string1 的正确答案，但不是 string2 的正确答案（已评论）。似乎需要对正则表达式进行一些更改。

有什么想法吗？

Answer 1

这个怎么样？假设 word 没有空格。

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

Answer 2

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);    
}

}

Answer 3

我试验并评估了三个答案； split based and Matcher based（如问题中所述），以及 Collections.frequency() 基于（如@4castle 在上面的评论中提到的）。每次我测量一个循环重复 1000 万次的总时间。因此，基于 split 的答案往往是 最有效的方式:

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);

然后是基于 Collections.frequency() 的答案，时间稍长运行（慢 ~5%）：

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.");

基于 Matcher 的 解决方案（在问题中提到）要慢很多（运行时间的 5 倍）。

使用 Java 快速计算字符串中单词出现次数的方法

Fast way of counting number of occurrences of a word in a string using Java

java

regex

find-occurrences