计算文章"a"、"an"在文本文件中使用的时间

Question

我正在尝试制作一个程序，计算单词、行、句子的数量，以及文章"a"、"one_answers"、"的数量。到目前为止，我已经掌握了单词、行和句子。但我不知道我要把文章数给谁。程序如何区分"a"one_answers"and"。

到目前为止，这是我的代码。

 public static void main(String[]args) throws FileNotFoundException, IOException        
    {       
FileInputStream file= new FileInputStream("C:\Users\nlstudent\Downloads\text.txt");
Scanner sfile = new Scanner(new File("C:\Users\nlstudent\Downloads\text.txt"));
  int ch,sentence=0,words = 0,chars = 0,lines = 0; 
  while((ch=file.read())!=-1)
  {
   if(ch=='?'||ch=='!'|| ch=='.')
    sentence++;
  }
    while(sfile.hasNextLine())  {
        lines++;
    String line = sfile.nextLine();
        chars += line.length();
        words += new StringTokenizer(line, " ,").countTokens();
    }

System.out.println("Number of words: " + words);
System.out.println("Number of sentence: " + sentence);
System.out.println("Number of lines: " + lines);
System.out.println("Number of characters: " + chars);
}
}

Answer 1

程序如何区分"a"one_answers"and"。

您可以为此使用regex：

        String input = "A and Andy then the are a";
        Matcher m = Pattern.compile("(?i)\b((a)|(an)|(and)|(the))\b").matcher(input);
        int count = 0;
        while(m.find()){
            count++;
        }
        //count == 4

"\b"是单词边界，"|"是OR、"（？i）"--忽略大小写标志。您可以在这里找到的所有模式列表，也许您应该了解regex。

Answer 2

标记化器会将每一行拆分为标记。您可以评估每个标记（一个完整的单词），看看它是否与您期望的字符串匹配。下面是一个计算a和的示例。

int a = 0, and = 0, the = 0, forCount = 0;
while (sfile.hasNextLine()) {
    lines++;
    String line = sfile.nextLine();
    chars += line.length();
    StringTokenizer tokenizer = new StringTokenizer(line, " ,");
    words += tokenizer.countTokens();
    while (tokenizer.hasMoreTokens()) {
        String element = (String) tokenizer.nextElement();
        if ("a".equals(element)) {
            a++;
        } else if ("and".equals(element)) {
            and++;
        } else if ("for".equals(element)) {
            forCount++;
        } else if ("the".equals(element)) {
            the++;
        }
    }
}