Java实现统计文档中关键字出现的次数
更新时间：2022年05月12日 09:31:35 作者：错过了时间
这篇文章主要为大家分享了利用Java语言实现统计关键字在文档中出现的次数的方法，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下
该代码简易实现了获取URL地址后对文档进行关键字统计的功能。具体的自己看吧
1.实现URL文档的拷贝
import java.util.Scanner;
import java.util.regex.Pattern;
import java.net.*;
import java.io.*;
import javax.swing.*;
import javax.swing.UIManager;
import java.awt.*;
import javax.swing.plaf.FontUIResource;
public class TestURL {
static String getUserKeyWords=null; //获取用户选择的关键词
public static void main(String[] args) {
File copyfile=new File("D:/newTest.txt");
InputStream in=null;
BufferedReader br=null; //字符流写入
BufferedWriter out=null; //字符流写出
String urladdress=null; //获取用户输入的URL地址
try
{
UIManager.put("JOptionPane.messageFont",new FontUIResource(new Font("宋体",Font.BOLD,20)));
String getUserURL=JOptionPane.showInputDialog(null,"URL地址：\n","输入URL地址",JOptionPane.PLAIN_MESSAGE);
String urlAddr=getUserURL.substring(getUserURL.lastIndexOf("/"));
copyfile=new File("D:/"+urlAddr);
getUserKeyWords=JOptionPane.showInputDialog(null,"关键字查询：\n","关键字",JOptionPane.PLAIN_MESSAGE);
//URL url=new URL("http://news.cctv.com/2019/06/19/ARTIhqziOpWz2COTyHFW063b190619.shtml"); //获取URL地址
URL url=new URL(getUserURL); //获取URL地址
HttpURLConnection urlC=(HttpURLConnection)url.openConnection(); //由URL获取URLConnection对象
in=urlC.getInputStream(); //获取urlC的输入流
br=new BufferedReader(new InputStreamReader(in,"UTF-8")); //将url默认的字节流转成字符流,并以UTF-8的格式写入文档
out=new BufferedWriter(new FileWriter(copyfile)); //将获取的信息写入到TestURL文档中
String length=null;
while ((length=br.readLine())!=null)
{
out.write(Html2Text(length));
out.newLine();
}
}
catch (Exception e)
{
e.getMessage();
}finally{
System.out.println("拷贝完成！");
try{
if (in!=null){in.close();}
if (out!=null){out.close();}
if (br!=null){br.close();}
}catch(Exception ee){
ee.getMessage();
}
}
TextFileSearch search = new TextFileSearch();
search.SearchKeyword(copyfile, getUserKeyWords);
} //程序到这就结束了 ，下面是不同方法实现对html的剔除功能，可以忽略
//从html中提取纯文本 ，这部分其实没什么用，最开始想截取html中的字符串，后面检查也没啥用，就没删除，保留着
public static String Html2Text(String inputString) {
String htmlStr = inputString; // 含html标签的字符串
String textStr = "";
java.util.regex.Pattern p_script;
java.util.regex.Matcher m_script;
java.util.regex.Pattern p_style;
java.util.regex.Matcher m_style;
java.util.regex.Pattern p_html;
java.util.regex.Matcher m_html;
try {
String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>"; // 定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>
String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>"; // 定义style的正则表达式{或<style[^>]*?>[\\s\\S]*?<\\/style>
String regEx_html = "<[^>]+>"; // 定义HTML标签的正则表达式
p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
m_script = p_script.matcher(htmlStr);
htmlStr = m_script.replaceAll(""); // 过滤script标签
p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
m_style = p_style.matcher(htmlStr);
htmlStr = m_style.replaceAll(""); // 过滤style标签
p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
m_html = p_html.matcher(htmlStr);
htmlStr = m_html.replaceAll(""); // 过滤html标签
textStr = htmlStr;
} catch (Exception e) {System.err.println("Html2Text: " + e.getMessage()); }
//剔除空格行
textStr=textStr.replaceAll("[ ]+", " ");
textStr=textStr.replaceAll("(?m)^\\s*$(\\n|\\r\\n)", "");
return textStr;// 返回文本字符串
}
/*//从html中提取纯文本，这个部分是简易实现html剔除，只能部分筛选
public static String stripHT(String strHtml){
String txtcontent = strHtml.replaceAll("</?[^>]+>", ""); //剔出<html>的标签
txtcontent = txtcontent.replaceAll("<a>\\s*|\t|\r|\n</a>", "");//去除字符串中的空格,回车,换行符,制表符
return txtcontent;
}*/
/* //这个是利用java自带的类实现html剔除功能，基本上没怎么用，这部分可以忽略
import java.io.*;
import javax.swing.text.html.*;
import javax.swing.text.html.parser.*;
public class Html2Text extends HTMLEditorKit.ParserCallback {
StringBuffer s;
public Html2Text() {}
public void parse(Reader in) throws IOException {
s = new StringBuffer();
ParserDelegator delegator = new ParserDelegator();
// the third parameter is TRUE to ignore charset directive
delegator.parse(in, this, Boolean.TRUE);
}
public void handleText(char[] text, int pos) {
s.append(text);
}
public String getText() {
return s.toString();
}
public static void main (String[] args) {
try {
// the HTML to convert
//Reader in=new StringReader("string");
FileReader in = new FileReader("java-new.html");
Html2Text parser = new Html2Text();
parser.parse(in);
in.close();
System.out.println(parser.getText());
}
catch (Exception e) {
e.printStackTrace();
}
}
}*/
}2.实现关键词在文档的查询功能
import java.io.Closeable;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.io.LineNumberReader;
import javax.swing.UIManager;
import javax.swing.*;
import java.awt.*;
import javax.swing.plaf.FontUIResource;
/**
* 对文本文件的关键词进行搜索
*/
public class TextFileSearch {
TestURL tt;
public void SearchKeyword(File file,String keyword) {
//参数校验
verifyParam(file, keyword);
//行读取
LineNumberReader lineReader = null;
try {
lineReader = new LineNumberReader(new FileReader(file));
String readLine = null;
int times = 0;//出现的次数
while((readLine =lineReader.readLine()) != null){
//判断每一行中,出现关键词的次数
int index = 0; //获得readLine的对象值
int next = 0; //定义开始查找关键字的序列号
//int times = 0;//出现的次数
//判断次数
while((index = readLine.indexOf(keyword,next)) != -1) { //从每行的第0个索引开始遍历关键字
next = index + keyword.length(); //下一次的遍历序号为序列号+关键字长度
times++;//次数加1
}
/*if(times > 0) {
//System.out.println("第"+ lineReader.getLineNumber() +"行" + "出现 "+keyword+" 次数: "+times);
}*/
}
if (times>0)
{
UIManager.put("JOptionPane.messageFont",new FontUIResource(new Font("宋体",Font.BOLD,20)));
JOptionPane.showMessageDialog(null,"关键字"+"@"+tt.getUserKeyWords+"@"+"共有"+times+"个");
}
} catch (IOException e) {
e.printStackTrace();
} finally {
//关闭流
close(lineReader);
}
}
/**
* 参数校验
*/
private void verifyParam(File file, String keyword) {
//对参数进行校验证
if(file == null ){
throw new NullPointerException("the file is null");
}
if(keyword == null || keyword.trim().equals("")){
throw new NullPointerException("the keyword is null or \"\" ");
}
if(!file.exists()) {
throw new RuntimeException("the file is not exists");
}
//非目录
if(file.isDirectory()){
throw new RuntimeException("the file is a directory,not a file");
}
//可读取
if(!file.canRead()) {
throw new RuntimeException("the file can't read");
}
}
/**
* 关闭流
*/
private void close(Closeable able){
if(able != null){
try {
able.close();
} catch (IOException e) {
e.printStackTrace();
able = null;
}
}
}
}3.显示效果
URL地址获取效果图
关键字查询界面
查询后效果图
到此这篇关于Java实现统计文档中关键字出现的次数的文章就介绍到这了,更多相关Java关键字次数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
最近在学习动态规划相关的知识，所以本文将利用动态规划编写一个简单的益智小游戏，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2023-06-06
这篇文章主要介绍了使用Java-Web获取客户端真实IP的方法示例详解。一般我们无法获取客户端真实IP，原因是：当我们通过request获取客户端IP时，自身服务器通常会为了保护信息或者负载均衡的目的，对自身服务器做反向代理。对此感兴趣可以了解一下2020-07-07
这篇文章主要介绍了java实现网上购物车程序，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-01-01
SpringSecurity实现前后端分离登录token认证详解
目前市面上比较流行的权限框架主要实Shiro和Spring Security，这两个框架各自侧重点不同，各有各的优劣，本文将给大家详细介绍SpringSecurity如何实现前后端分离登录token认证2023-06-06
这篇文章主要介绍了JVM内存结构相关知识解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-11-11
这篇文章主要介绍了Spring加载XSD文件发生错误的解决方法,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-08-08
IDEA遇到Internal error. Please refer to http://jb. gg/ide/crit
这篇文章主要介绍了IDEA遇到Internal error. Please refer to http://jb. gg/ide/critical-startup-errors的问题及解决办法,本文通过图文并茂的形式给大家介绍的非常详细，需要的朋友可以参考下2020-08-08
这篇文章主要为大家详细介绍一下Java集合类中Map的用法，文中的示例代码讲解详细，对我们学习Java有一定帮助，感兴趣的可以了解一下2022-07-07
这篇文章主要介绍了如何使用java制作假数据接口，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2021-12-12
ZooKeeper是一个树形目录服务，其数据模型和Uiix的文件目录树很类似，拥有一个层次化结构，这篇文章主要介绍了ZooKeeper命令及JavaAPI操作代码,需要的朋友可以参考下2023-03-03
最新评论