从字符串数组中删除重复的单词

Question

早上好

我编写了一个为我计算术语出现频率的函数：

public static int tfCalculator(String[] totalterms, String termToCheck) {
    int count = 0;  //to count the overall occurrence of the term termToCheck
    for (String s : totalterms) {
        if (s.equalsIgnoreCase(termToCheck)) {
            count++; 
        }
    } 
    return count;
}

之后，我在下面的代码上使用它来计算String[] words每个单词

for(String word:words){
    int freq = tfCalculator(words, word);

    System.out.println(word + "|" + freq);
    mm+=word + "|" + freq+"\n";
}

好吧，我的问题是重复的单词是例如结果：

• 细胞骨架| 2
• 网络| 1
• 使| 1
• 等于| 1
• 主轴| 1
• 细胞骨架| 2
• ...
• ...

所以有人可以帮助我删除重复的单词并得到如下结果：

• 细胞骨架| 2
• 网络| 1
• 使| 1
• 等于| 1
• 主轴| 1
• ...
• ...

非常感谢你！

Answer 1

Java 8解决方案

words = Arrays.stream(words).distinct().toArray(String[]::new);

distinct方法删除重复项。 words被替换为没有重复的新数组

Answer 2

您可以只使用HashSet ，它应该解决重复项：

words = new HashSet<String>(Arrays.asList(words)).toArray(new String[0]);

这将获取您的数组，将其转换为List ，将其提供给HashSet<String>的构造函数，然后为您将其转换回数组。

Answer 3

对数组进行排序，然后就可以算出相等的相邻元素：

Arrays.sort(totalterms);
int i = 0;
while (i < totalterms.length) {
  int start = i;
  while (i < totalterms.length && totalterms[i].equals(totalterms[start])) {
    ++i;
  }
  System.out.println(totalterms[start] + "|" + (i - start));
}

Answer 4

我认为在这里您要打印数组totalterms中每个字符串的频率。 我认为使用Map是更简单的解决方案，因为在数组的单个遍历中它将存储所有字符串的频率。检查以下实现。

public static void printFrequency(String[] totalterms)
{
    Map frequencyMap = new HashMap<String, Integer>();

    for (String string : totalterms) {
        if(frequencyMap.containsKey(string))
        {
            Integer count = (Integer)frequencyMap.get(string);
            frequencyMap.put(string, count+1);
        }
        else
        {
            frequencyMap.put(string, 1);
        }
    }

    Set <Entry<String, Integer>> elements= frequencyMap.entrySet();

    for (Entry<String, Integer> entry : elements) {
        System.out.println(entry.getKey()+"|"+entry.getValue());
    }
}

Answer 5

分两行：

String s = "cytoskeletal|2 - network|1 - enable|1 - equal|1 - spindle|1 - cytoskeletal|2";
System.out.println(new LinkedHashSet(Arrays.asList(s.split("-"))).toString().replaceAll("(^\[|\]$)", "").replace(", ", "- "));

Answer 6

您的代码很好，您只需跟踪已遇到的单词。 为此，您可以保留运行设置：

Set<String> prevWords = new HashSet<>();
for(String word:words){
    // proceed if word is new to the set, otherwise skip
    if (prevWords.add(word)) {
        int freq = tfCalculator(words, word);

        System.out.println(word + "|" + freq);
        mm+=word + "|" + freq+"\n";
    }
}