按主要词分组

Question

考虑以下 TreeSet：

蓝色花朵
蓝色大车
蓝色帽子123
红色苹果123
红色汽车
红色衬衫
红色夹克
有些话（必须忽略）
无用词（必须忽略）

这组有 2 个主要词 blue 和 red 以及不同的关键词。
我需要按这些主要词进行分组，以便获得包含所有可能关键词的列表。类似于：

蓝色:花大车帽子123
red: apple, 123, car, shirt, jacket

我觉得步骤应该是这样的：

检测主词
- 列表按字母顺序排列，因此主要单词彼此相邻出现
- 它只能是条目中的第一个词
- 至少由3个字母组成
- 并非每个条目都有主词（条目 some words 和 无用词 应该跳过）
按主词分组
- 某种"merging"：取所有具有相同主词的条目，并从每个条目中删除它，这样只剩下剩下的关键词
- 本例中关键字：花，大，车，帽子，123还剩

有人可以给我建议如何完成它以及我需要什么吗？

Answer 1

我认为您不需要正则表达式。使用 String.split(" ") 在空白处拆分每个字符串，然后检查第一项以将其与您的 "main" 单词列表进行比较。

TreeSet<String> originalSet = // as per question
List<String> mainWords = Arrays.asList("blue", "red");
Map<String, Set<String>> words = new HashMap<>();
for(String mainWord : mainWords) {
    words.put(mainWord, new HashSet<String>());
}
for(String line : originalSet) {
    String[] items = line.split(" ");
    if(words.keySet().contains(items[0])) {
        for(int i = 1 ; i < items.length ; i++) {
            words.get(items[0]).add(items[i]);
        }
    }
}

按主要词分组

Group by main words

java

regex

algorithm

collections

set