使用正则表达式搜索文本中的多个单词 (Java)答案

【问题标题】：Search multiple words in a text using regular expressions (Java)使用正则表达式搜索文本中的多个单词 (Java)
【发布时间】：2019-11-16 02:32:29
【问题描述】：

我有一种在文本中搜索单词的方法，两者都通过参数插入。

public Integer findTheWord(String stringToCheck, String regexString) throws IOException {

        int count = 0;
        Pattern regexp = Pattern.compile("\\b" + regexString + "\\b");
        Matcher matcher = regexp.matcher(stringToCheck);

        while (matcher.find()) {
                count++;
                String matchString = matcher.group();
                System.out.println(matchString);
            }
        System.out.println(count);
        return count;
  }

如何插入多个单词并返回每个单词的出现次数？

【问题讨论】：

来自docs - 逻辑运算符：X|Y Either X or Y。在你的情况下 - [word1|word2|word3]...
@dbl 这无济于事，因为一旦最左边的替代匹配项，交替将返回，而 OP 想要“返回每个匹配项的出现”。
点已被占用。我会留下评论，所以没有其他人会犯同样的错误......
我的意思是通过参数传递一个 ArrayList 并验证它们每个的匹配。
我认为如果你想要一个答案，你应该提供一些测试用例和预期的输出。尝试放足够多的东西:)

标签： java regex string search matcher

【解决方案1】：

所以第一个也是最简单的选择是使用您实际的 findTheWord() 方法并创建一个使用它的新方法：

public Map<String, Integer> findTheWords(String stringToCheck, List<String> words) {
    return words.stream().distinct()
            .collect(Collectors.toMap(Function.identity(), word -> findTheWord(stringToCheck, word)));
}

public Integer findTheWord(String stringToCheck, String regexString) {
    Pattern regexp = Pattern.compile("\\b" + regexString + "\\b");
    Matcher matcher = regexp.matcher(stringToCheck);

    int count = 0;
    while (matcher.find()) {
        count++;
    }
    return count;
}

问题在于，如果您使用大量单词来查找和大文本，因为它会为每个单词迭代给定的字符串。所以另一种方法是为所有单词创建一个正则表达式，并在结果映射中增加下一个找到的单词：

public Map<String, Integer> findTheWords(String stringToCheck, List<String> words) {
    Pattern regexp = Pattern.compile(words.stream().distinct().map(word -> "\\b" + word + "\\b").collect(Collectors.joining("|")));
    // creates a pattern like this: "\ba\b|\bb\b|\bc\b|\bd\b|\be\b"
    Matcher matcher = regexp.matcher(stringToCheck);
    Map<String, Integer> result = new HashMap<>();
    while (matcher.find()) {
        String word = matcher.group();
        result.put(word, result.getOrDefault(word, 0) + 1);
    }
    return result;
}

除此之外，您可能正在考虑使用Set 代替List，因为值是唯一的，因此无需在流上调用.distinct()。

【讨论】：

【解决方案2】：

HashMap 作为参数，输入字符串作为键，正则表达式作为值，遍历所有条目，执行你的方法并返回一个 HashMap，匹配的词作为键，出现次数作为值。

 public HashMap<String, Integer> findTheWordsAndOccurences(HashMap<String, String> stringsAndRegex) throws IOException {

    HashMap<String, Integer> result = null;

    for (Map.Entry<String, String> entry : stringsAndRegex.entrySet()){

        String stringToCheck = entry.getKey();
        String regexString = entry.getValue();
        String matchString = "";
        int count = 0;
        Pattern regexp = Pattern.compile("\\b" + regexString + "\\b");
        Matcher matcher = regexp.matcher(stringToCheck);

        while (matcher.find()) {
            count++;
            matchString = matcher.group();
            System.out.println(matchString);
            result.put(matchString, count);
        }
    }
    return result;
}

【讨论】：