Java

Question

我需要使用 "The Tale of Two Cities" 的纯文本文件为我的算法 class 创建马尔可夫链文本生成器（由古腾堡计划提供）。我目前停留在第一阶段，即解析文本文件并从字符中生成键值对，以便将它们添加到符号 table 以完成其余工作（实际上生成新文本）。

澄清一下，这就是我想要的键值对（假设字母表是文本文件）：

abc = 键 | d = 值
bcd = 键 | e = 值
cde = 键 | f = 值
以此类推

我正在使用 BufferedReader 读取每一行，然后解析每一行，但我这样做的方式是错误的，我想不出解决办法。为了遍历每一行中的字符，我使用 for 循环到达当前字符，然后到达当前字符 +1，依此类推。本质上，我最终不得不到达下一行（尚未读取）并收到 StringIndexOutOfBounds 异常。我需要一种方法来移动到下一行并继续对整个文件进行迭代。

这是我目前的情况：

import java.io.BufferedReader;
import java.io.IOException;

public class MarkovTextGenerator {
    public static void main(String[] args) throws IOException {
        /***********************************************************
         * Begin parsing through text file, character by character *
         ***********************************************************/
        try (BufferedReader br = new BufferedReader(new FileReader("file.txt"))) {
            String line;
            while ((line = br.readLine()) != null) {
                for (int i = 0; i < line.length(); i++) {
                    String char1 = line.substring(i, i + 1);
                    String char2 = line.substring(i + 1, i + 2);
                    String char3 = line.substring(i + 2, i + 3);
                    char value = line.charAt(i + 3);
                    String key = char1 + char2 + char3;
                    System.out.println(key);
                    System.out.println(value);
                }
            }
        }
        /******************
         * End of parsing *
         ******************/
    }
}

Answer 1

for 循环的迭代应该只进行到 i < line.length() - 3。抛出 StringIndexOutOfBounds 异常是因为 line.substring 调用将经过字符串的最后一个字符。

例如

"abc".substring(2,3) 会抛出异常，因为字符串后面没有剩余的字符。

Java - 马尔可夫链文本生成器 - 解析文本文件

Java - Markov Chain Text Generator - Parse text file

parsing

for-loop

while-loop

markov-chains