【JAVA】文本处理（3）—统计文档中汉字、数字、字母和空格标点的个数

一、前言

本次学习应用于文本处理方面，前面我们说到实现给文本字符后加斜杠和空格，本次目的是为了实现统计不同种类的字符频率。

在上一篇博客中我们讲到了正则表达式。

在这里我们将要实际的应用正则表达式，来识别和统计不同种类字符的频率。

二、正则表达式语法

1.从上一篇博客中暂提以下的语法表，详情参见正则表达式链接

​

JAVA程序中会使用到的正则表达式

API中相关类：相关类位于：java.util.regex包下面
• 类 Pattern：
– 正则表达式的编译表示形式。
– Pattern p = Pattern.comp
ile(r,int); //建立正则表达式，并启用相应模式
• 类 Matcher：
– 通过解释 Pattern 对 character sequence 执行匹配操作的引擎
– Matcher m = p.matcher(str); //匹配str字符串

2.在本次任务中实际会应用的语法：

（1）使用BufferedReader/BufferedWriter处理流和InputStreamReader/OutputStreamWriter处理流（IO流知识参见链接）

（2）判断数字："\\d"

（3）判断字母："[a-zA-Z]"

（4）判断汉字："[\\u4e00-\\u9fa5]"

（5）判断空格："\\s"

（6）判断标点："\\pP"

（7）循环读取：.readLine（）

每类字符查询分别调用方法，详情见下面程序。

三、编程学习

1）任务要求

• 完成一个 java application应用程序，实现文本文档的读取和写入，将修改后（统计文档中汉字、数字、字母和空格标点的个数）的新内容存入到新的文本文档中。
• 应用数据流的相关知识，使用BufferedReader/BufferedWriter处理流：将Reader/Writer对象进行包装，增加缓存功能，提高读写效率。使用InputStreamReader/OutputStreamWriter处理流：将字节流对象转化成字符流对象。
• 应用正则表达式的知识进行字符种类查询。

2）程序代码

/* 项目名称：Task_Shao
 * 创建时间：2019年2月16日
 * 创建者：Administrator_wz
 * 创建地点：kmust
 * 功能：统计文档中汉字、数字、字母和空格标点的个数（java IO流&正则表达式）
 */
import java.io.*;//导入java.io包中的所有类
import java.util.regex.Matcher;//导入java.util包中的Matcher类
import java.util.regex.Pattern;//导入java.util包中的Pattern类
import java.util.Scanner;//导入java.util包中的Scanner类 
public class traversal_character_type {
   //创建类名
	public static void main(String[] args) throws IOException {
   //程序的主函数入口
		//String name = "H:/mycode/Winter_vacation/Traversal character type/xiyouji.txt"; //文件名（直接查找）  
		int num = 0;       //数字数  
		int letter = 0;   //字母数  
		int line = 0;    //行数  
		int space = 0;  //空格数  
		int word= 0;