使用正则表达式在文本中搜索多个词 (Java)

Question

我有一种方法可以在文本中搜索单词，这两个单词都是通过参数插入的。

public Integer findTheWord(String stringToCheck, String regexString) throws IOException {

        int count = 0;
        Pattern regexp = Pattern.compile("\b" + regexString + "\b");
        Matcher matcher = regexp.matcher(stringToCheck);

        while (matcher.find()) {
                count++;
                String matchString = matcher.group();
                System.out.println(matchString);
            }
        System.out.println(count);
        return count;
  }

如何插入多个单词并 return 每个单词出现的次数？

Answer 1

HashMap 作为参数，输入字符串作为键，正则表达式作为值，遍历所有条目，执行您的方法，return一个 HashMap，匹配的词作为键，出现次数作为值。

 public HashMap<String, Integer> findTheWordsAndOccurences(HashMap<String, String> stringsAndRegex) throws IOException {

    HashMap<String, Integer> result = null;

    for (Map.Entry<String, String> entry : stringsAndRegex.entrySet()){

        String stringToCheck = entry.getKey();
        String regexString = entry.getValue();
        String matchString = "";
        int count = 0;
        Pattern regexp = Pattern.compile("\b" + regexString + "\b");
        Matcher matcher = regexp.matcher(stringToCheck);

        while (matcher.find()) {
            count++;
            matchString = matcher.group();
            System.out.println(matchString);
            result.put(matchString, count);
        }
    }
    return result;
}

Answer 2

因此，第一个也是最简单的选择是使用您实际的 findTheWord() 方法并创建一个使用它的新方法：

public Map<String, Integer> findTheWords(String stringToCheck, List<String> words) {
    return words.stream().distinct()
            .collect(Collectors.toMap(Function.identity(), word -> findTheWord(stringToCheck, word)));
}

public Integer findTheWord(String stringToCheck, String regexString) {
    Pattern regexp = Pattern.compile("\b" + regexString + "\b");
    Matcher matcher = regexp.matcher(stringToCheck);

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

问题是如果您使用大量单词来查找大文本，因为它会为每个单词遍历给定的字符串。因此，另一种方法是为所有单词创建一个正则表达式，并在生成的映射中递增下一个找到的单词：

public Map<String, Integer> findTheWords(String stringToCheck, List<String> words) {
    Pattern regexp = Pattern.compile(words.stream().distinct().map(word -> "\b" + word + "\b").collect(Collectors.joining("|")));
    // creates a pattern like this: "\ba\b|\bb\b|\bc\b|\bd\b|\be\b"
    Matcher matcher = regexp.matcher(stringToCheck);
    Map<String, Integer> result = new HashMap<>();
    while (matcher.find()) {
        String word = matcher.group();
        result.put(word, result.getOrDefault(word, 0) + 1);
    }
    return result;
}

除此之外，您可能会考虑对单词使用 Set 而不是 List，因为值是唯一的，因此无需在流中调用 .distinct() .

使用正则表达式在文本中搜索多个词 (Java)

Search multiple words in a text using regular expressions (Java)

java

regex

string

search

matcher