HashSet 没有删除所有重复的条目

Question

我正在尝试使用 HashSet 来确保我从 .txt 文件中读取的数据是唯一的。

以下是样本数据；

999990  bummer
999990  bummer
999990  bummer
999990  bummer
99999   bummer
999990  bummerr

使用 Java.io.File 和 Java.util.Scanner 读取并存储为 Term 对象；

阅读术语；

while (rawTerms.hasNextLine()){
    String[] tokens = rawTerms.nextLine().trim().split(delimiter);
    if (tokens.length == 2) {               
        uniqueSet.add(new Term(Double.parseDouble(tokens[0]), tokens[1])); //add the term to set
    }
    else {
      rawTerms.close();
      throw new Exception("Invalid member length: "+ tokens.length);
    }           
}

allTerms = new ArrayList<>(uniqueSet); //Covert set into an ArrayList

使用 Guava 的术语类；

public Term(double weight, String theTerm){
    this.weight = weight;
    this.theTerm = theTerm;
}


@Override
public boolean equals(final Object obj) {
    if (obj instanceof Term){
        final Term other = (Term) obj;
        return Objects.equal(this.weight, other.weight)
                && Objects.equal(this.theTerm, other.theTerm);
    }
    else {
        return false;
    }
}

@Override
public String toString(){
    return toStringHelper(this).addValue(weight)
            .addValue(theTerm).toString();

}

@Override  
public int hashCode() {  
    return Objects.hashCode(this.weight, this.theTerm);  
}

但是，当我运行测试以检查存储条目的数组的大小时，我得到了 3 个条目，而不是我想要的 1 个。我希望任何与之前添加的条目具有相同权重或术语的新条目都被视为重复条目。

感谢所有帮助！

马特

Answer 1

我希望任何与之前添加的条目具有相同权重或术语的新条目都被视为重复条目。

这不是平等的运作方式。平等必须是可传递的 - 所以如果x.equals(y) 返回真，而y.equals(z) 返回真，那么x.equals(z) 必须返回真。

这不是你想要的关系。

请注意，这也不是您的 equals 方法目前检查的内容：

return Objects.equal(this.weight, other.weight)
    && Objects.equal(this.theTerm, other.theTerm);

只有当权重和匹配时才返回真，这对于相等关系是正常的。这就是为什么您会在您的集合中获得三个条目 - 因为以这种方式查看时，您确实拥有三个不同的实体。

从根本上说，HashSet 和所有其他处理平等的集合不会以简单的方式帮助您。您需要拥有三个独立的集合：

• 一组权重
• 一组术语
• 一组（或列表）条目。

如果您正在考虑的条目在权重集合中具有权重或在一组术语中，您应该跳过它 - 否则，您应该在每个条目中添加一个条目三个系列。

Answer 2

考虑到hashCode（和equals）在Term 类中的实现，您应该期望 3 个条目，对应于所涉及的对：

999990  bummer
99999   bummer
999990  bummerr

hashCode 和 equals 都评估该对的两个属性，即 weight double 和 theTerm String。

该集合将通过比较哈希码来评估不等式，这对于上面列出的 3 个元素来说是不同的。