输出文本的词频统计和单词位置

输⼊

保证输⼊的字符中只出现以下字符：

1. ⼤⼩写字⺟
2. '-'连接符（减号）
3. 逗号’,’
4. 句号’.’
5. 感叹号’!’(半⻆英⽂感叹号) (new!)
6. 问号’?’(半⻆英⽂问号) (new!)
7. 回⻋

连接符的说明

1. 连接符 可以 出现在⼀⾏⼀个单词中间，如：post-graduate，这样算
   作⼀个单词(不忽略’-’，具体请看例⼦)⽽不是两个分开的单词
2. 连接符 不会 出现在单词的 第⼀个字符或最后⼀个字符 ，即 保证输⼊
   中 不存在形如 -all 或者 post- 的单词
3. 忽略连接符的情况：连接符 也可以 出现在⾏末，⽤来连接下⼀⾏的第
   ⼀个字符串（保证输⼊中 下⼀⾏只会以字⺟开头或为空），并视为 ⼀
   个单词 ，统计此单词时应 忽略 此连接符
4. 每个单词中最多出现⼀个连接符(第⼀种连接符)，即统计后单词表中不
   存在形如aaa-bbb-ccc-ddd…的单词
   时，

输出格式

将文本的每个单词转成全⼩写，并按字典序输出单词和词频以及出现位置
每n+1⾏输出⼀个单词的信息，n为该单词出现次数，格式为

思路

如果是人来做文本的词频统计和位置统计，肯定是一边读文本一边统计。但实际上这里面包含两个步骤，单词分割和统计。如果一边分割一边统计，会导致代码间相互耦合，可读性也差。所以将两部分分开。

实际上，因为要统计位置而且存在换行连接符，所以其实还有一个单词组合的步骤，就是将之前分割出来的单词，如果是因为换行连接符分割成两个或更多单词（一个单词跨多行的情况），就将这两个单词组合。

也就是说： 单词分割， 单词组合， 统计

具体实现（Java）

类的设计：

这里只给出不完整的示意代码，具体实现看个人。
1.定义一个Word类

private String rawword;   //原始单词
private String lowword;	  // 转换为小写后的单词
private ArrayList<Integer> row; // 单词出现的各行数
private ArrayList<Integer> col; // 单词出现的各列数
private int num; // 单词出现次数

1. 定义一个Line类。

private String rawline;  // 每一行的原始字符串
private int row; // 行号
private Words[] words; //用正则表达式“[ \t\n,.!?]+”分割出单词

注：在分割单词之后，使用IndexOf分别找出个单词的位置，并生成Word类的实例。注意要保证每次开始匹配的位置要在上一次匹配到的单词之后。防止出现
test test这样同一行出现两个相同单词的情况。

3. TreeMap类
   考虑到要求输出有序，使用lowstr - Word 作为键值对，TreeMap自动排序。

算法

1.单词分割：分别将文本的每一行生成Line（）的实例。
2.单词组合：将所有的Line（）的Words实例域组合成一个大的链表（Java内置的LinkedList),因为合并时要删除单词，使用链表比较方便。如果某个单词以‘-‘结尾，则与后面的单词合并，如果合并后的单词仍是’-'结尾，则再合并。
3.统计： 将上述链表中元素逐个添加如TreeMap即可。若TreeMap中已存在要添加的key了，则取出对应的value，将value的num++; row,col各增加一个，再放回去即可。