java 统计10000篇文章中不同单词出现的次数并以次序排序

2024-03-27 17:18

本文主要是介绍java 统计10000篇文章中不同单词出现的次数并以次序排序,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

统计10000篇文章中不同单词出现的次数并以次序排序

此次统计从两方面入手:一是单线程读取10000个文件;二是打开10000个线程,每个线程读取一个文件


单线程程序

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.TreeMap;public class CountLetters {
//	public static String FILE_NAME = "/home/taohao/temp/english.txt";public static String FILE_PATH = "/home/taohao/temp/test";private String[] readFromeFile(String[] fileNames){String lineString = new String();StringBuilder line = new StringBuilder();BufferedReader bufferedReader = null;for(String name : fileNames){try {name = FILE_PATH + "/" + name;File file = new File(name);bufferedReader = new BufferedReader(new FileReader(file));while((lineString=bufferedReader.readLine())!=null){line.append(lineString);}bufferedReader.close();} catch (Exception e) {// TODO: handle exceptionSystem.out.println(e);}}
//		System.out.println(line.toString());String[] letters = line.toString().split("\\W+");return letters;}private HashMap<String, Integer> countMap(String[] string){HashMap<String, Integer> hashMap = new HashMap<String, Integer>();Integer integer = new Integer(1);int newIntValue;Integer newInteger = null;Integer value = null;for(String item : string){if((value=hashMap.get(item))==null){hashMap.put(item, integer);}else {newIntValue = value.intValue() + 1;newInteger = new Integer(newIntValue);hashMap.put(item, newInteger);}}return hashMap;}// treemap 的key 不能重复,否则会被覆盖,因此此处的转换有问题
//	private TreeMap<Integer, String>hashMapToTreeMap(HashMap<String, Integer> hashMap){
//		TreeMap<Integer, String> treeMap = new TreeMap<Integer, String>(new Comparator<Integer>() {
//
//			@Override
//			public int compare(Integer o1, Integer o2) {
//				// TODO Auto-generated method stub
//				return ~o1.compareTo(o2)+1;
//			}
//		});
//		for(String letter : hashMap.keySet()){
//			treeMap.put(hashMap.get(letter), letter);
//		}
//		return treeMap;
//	}public static void main(String[] args){/** 单线程*/long start = System.currentTimeMillis();  //msCountLetters countLetters = new CountLetters();File file = new File(CountLetters.FILE_PATH);String[] fileNames = file.list();String[] letters = countLetters.readFromeFile(fileNames);System.out.println(letters.length);HashMap<String, Integer> hashMap = countLetters.countMap(letters);System.out.println(hashMap.size());SortByValues sortByValues = new SortByValues();List<Map.Entry<String, Integer>> mapItemList = new ArrayList<>(hashMap.entrySet());Collections.sort(mapItemList, sortByValues);System.out.println(mapItemList.size());System.out.println(mapItemList.toString());long end = System.currentTimeMillis();System.out.println("start-end=" + (end-start));}
}


多线程程序

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.util.ArrayList;
import java.util.Collections;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;public class CountLettersThreads {public static String FILE_PATH = "/home/taohao/temp/test";
//	private String[] fileLiStrings = null;public HashMap<String, Integer> hashMap = new HashMap<String, Integer>();class countThread implements Runnable{private String fileName = null;private String[] letterStrings = null;public countThread(String fileName) {// TODO Auto-generated constructor stubthis.fileName = FILE_PATH + "/" + fileName;}@Overridepublic void run() {// TODO Auto-generated method stubletterStrings = readFromeFile(fileName);synchronized (hashMap) {Integer integer = new Integer(1);int newIntValue;Integer newInteger = null;Integer value = null;for(String item : letterStrings){if((value=hashMap.get(item))==null){hashMap.put(item, integer);}else {newIntValue = value.intValue() + 1;newInteger = new Integer(newIntValue);hashMap.put(item, newInteger);}}}}public String[] readFromeFile(String fileName){String lineString = new String();StringBuilder line = new StringBuilder();File file = new File(fileName);BufferedReader bufferedReader = null;try {bufferedReader = new BufferedReader(new FileReader(file));while((lineString=bufferedReader.readLine())!=null){line.append(lineString);}bufferedReader.close();} catch (Exception e) {// TODO: handle exceptionSystem.out.println("readfile exception " + e);}System.out.println(line.toString());String[] letters = line.toString().split("\\W+");return letters;}}public static void main(String[] args) throws Exception{long start = System.currentTimeMillis();  // msFile file = new File(CountLettersThreads.FILE_PATH);CountLettersThreads countLettersThreads = new CountLettersThreads();String[] fileList = file.list();int fileCount = fileList.length;for(int i=0; i<fileCount; i++){CountLettersThreads.countThread runnaThread = countLettersThreads.new countThread(fileList[i]);Thread thread = new Thread(runnaThread);thread.start();thread.join();}HashMap<String, Integer> hashMap = countLettersThreads.hashMap;System.out.println(hashMap.size());SortByValues sortByValues = new SortByValues();List<Map.Entry<String, Integer>> mapItemList = new ArrayList<>(hashMap.entrySet());Collections.sort(mapItemList, sortByValues);System.out.println(mapItemList.toString());long end = System.currentTimeMillis();System.out.println("start-end=" + (end-start));}
}


另外用到的一个比较类

import java.awt.List;
import java.util.Comparator;
import java.util.HashMap;
import java.util.Map;
import java.util.Map.Entry;public class SortByValues implements Comparator<Map.Entry<String, Integer>>{@Overridepublic int compare(Entry<String, Integer> o1, Entry<String, Integer> o2) {// TODO Auto-generated method stubreturn ~o1.getValue().compareTo(o2.getValue()) + 1;}
}


得到的统计数据为:

单线程用时84537ms, 差不多是多线程的三倍多。

多线程用时31516ms

由上可知两者的差别只有三倍左右的差别,我觉得可能的原因是在最后排序都是统一排序的,

多线程只负责了读文件和区分不同的单词及单词出现的数量,并没有进行局部排序。

如果在每个线程里面进行了局部排序应该两者所用的时间还会继续拉大。


另外本程序中对hashmap的value进行排序,此时是将hashmap的entry作为list的元素,通过collection的sort()函数进行排序的。

collection的sort()函数怎样排序的,我还要进一步查阅资料学习。????







这篇关于java 统计10000篇文章中不同单词出现的次数并以次序排序的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/852857

相关文章

Springboot @Autowired和@Resource的区别解析

《Springboot@Autowired和@Resource的区别解析》@Resource是JDK提供的注解,只是Spring在实现上提供了这个注解的功能支持,本文给大家介绍Springboot@... 目录【一】定义【1】@Autowired【2】@Resource【二】区别【1】包含的属性不同【2】@

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

Java中的String.valueOf()和toString()方法区别小结

《Java中的String.valueOf()和toString()方法区别小结》字符串操作是开发者日常编程任务中不可或缺的一部分,转换为字符串是一种常见需求,其中最常见的就是String.value... 目录String.valueOf()方法方法定义方法实现使用示例使用场景toString()方法方法

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

SpringCloud动态配置注解@RefreshScope与@Component的深度解析

《SpringCloud动态配置注解@RefreshScope与@Component的深度解析》在现代微服务架构中,动态配置管理是一个关键需求,本文将为大家介绍SpringCloud中相关的注解@Re... 目录引言1. @RefreshScope 的作用与原理1.1 什么是 @RefreshScope1.

Java并发编程必备之Synchronized关键字深入解析

《Java并发编程必备之Synchronized关键字深入解析》本文我们深入探索了Java中的Synchronized关键字,包括其互斥性和可重入性的特性,文章详细介绍了Synchronized的三种... 目录一、前言二、Synchronized关键字2.1 Synchronized的特性1. 互斥2.