如何用Java统计计算一篇文档资料中单词的个数以及汉字个数

一.  前言

今天和基友一起讨论了Java中关于统计单词的一个题目，记录如下：

题目要求：统计一篇文档资料中单词的个数（提示：文档资料放在字符串中）

二.  统计单词

首先，我们获取要读取单词个数的文件

File file = new File("F:\\a\\a.txt");

实例化操作流

Reader reader = new FileReader(file);

将文件中的所有内容打印输出

char[] cbuf = new char[32];
int len = 0;
StringBuilder sb = new StringBuilder();
while ((len = reader.read(cbuf)) != -1) {
String str = new String(cbuf, 0, len);
sb.append(str);
}
reader.close();
System.out.println("本文件所有内容为：\n" + sb);

将StringBuilder转换为String

String str = sb.toString().toLowerCase();

接下来，通过正则表达式，计算str中一共有多少个单词

String[] arr = str.split("\\S+");//\\s表示 空格,回车,换行等空白符
System.out.println("本文一共" + arr.length + "个单词");

最后实现如下：

package tv.zhangjia.tv;

import java.io.File;
import java.io.FileReader;
import java.io.Reader;

public class Test {
	public static void main(String[] args) {
		try {
			File file = new File("F:\\a\\a.txt");
			Reader reader = new FileReader(file);
			char[] cbuf = new char[32];
			int len = 0;
			StringBuilder sb = new StringBuilder();
			while ((len = reader.read(cbuf)) != -1) {
				String str = new String(cbuf, 0, len);
				sb.append(str);
			}
			reader.close();
			System.out.println("本文件所有内容为：\n" + sb);
			String str = sb.toString().toLowerCase();
			String[] arr = str.split("\\S+");
			System.out.println("本文一共" + arr.length + "个单词");
		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}

做到这一步，我和基友又在想，现在只能统计单词，而且是通过空格和回车来统计个数的，那么我们如何统计一个文件中，中文的字数呢？

三.  统计汉字

首先，将String转换为char

char[] ch = str.toCharArray();

接下来，通过正则表达式统计汉字个数，我们可以将正则表达式设置为：

[\\u4E00-\\u9FA5]+
//意义如下：
//至少匹配一个汉字的写法
//这两个unicode值正好是Unicode表中的汉字的头和尾。
//"[]"代表里边的值出现一个就可以，后边的“+”代表至少出现1次，合起来即至少匹配一个汉字。

我们可以通过java.lang.Character.toString(char c) 方法返回表示指定字符的String对象

其结果是一个长度为1的指定字符组成的纯粹的字符串。

然后通过public boolean matches(String regex)方法告知此字符串是否匹配给定的正则表达式。

char[] ch = str.toCharArray();
int count = 0;
for (int i = 0; i < ch.length; i++) {
if (Character.toString(ch[i]).matches("[\\u4E00-\\u9FA5]+")) {
count++;

}
System.out.println("其中" + count + "个汉字");

最后实现如下：

package tv.zhangjia.tv;

import java.io.File;
import java.io.FileReader;
import java.io.Reader;

public class DateFormatTest2 {
	public static void main(String[] args) {
		try {
			File file = new File("F:\\a\\a.txt");
			Reader reader = new FileReader(file);
			char[] cbuf = new char[32];
			int len = 0;
			StringBuilder sb = new StringBuilder();
			while ((len = reader.read(cbuf)) != -1) {
				String str = new String(cbuf, 0, len);
				sb.append(str);
			}
			reader.close();
			System.out.println("本文件所有内容为：\n" + sb);
			String str = sb.toString().toLowerCase();
			char[] ch = str.toCharArray();
			int count = 0;
			for (int i = 0; i < ch.length; i++) {
				if (Character.toString(ch[i]).matches("[\\u4E00-\\u9FA5]+")) {
					count++;

				}
			}
			System.out.println("其中" + count + "个汉字");

		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}