ThoughtWorks校招作业之小型文本预处理器

最新推荐文章于 2022-05-25 23:06:42 发布

鹿丸君

最新推荐文章于 2022-05-25 23:06:42 发布

阅读量885

点赞数

分类专栏： java 文章标签： ThoughtWorks 面试题

本文链接：https://blog.csdn.net/coding01/article/details/83417902

版权

java 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文首发于我的个人博客QIMING.INFO，转载请带上链接及署名。

本文是ThoughtWorks校园招聘的一道作业题，要求做一个小型文本预处理器，题目看似简单，实际做起来还是挺有挑战性的。现在早已经过了Thoughtworks的作业提交时间，所以将此文放出来，如Thoughtworks认为侵权了，可联系本人，本人将删除文章。

1 问题说明

本次作业的题目是一个小型文本预处理器，输入文本内容及指定宽度以后，对文本进行预处理以便后续进行固定宽度的排版。其中定义了如下的概念：

空白字符（white space）：指空格 ’ '。
文本字符（character）：指大写或者小写的英文字母。
节（segment）：指一串（大于或者等于一个）连续的空白字符或者文本字符。

当给定宽度后，大于这个宽度的字符会被折行。而折行不会显示任何连字符（例如 “-”），也无需对空白字符进行额外处理。作业要求编写一个函数，该函数的输入为两个参数：

需要处理的文本
排版宽度。

该函数的返回值为预处理后的文本。预处理后的文本为每一节，及其所在的行号。中间以分号隔开。若一个节跨越了多行，则行号用逗号隔开，并从小到大进行排列。例如，假设输入为：

The main theme of education in engineering school is learning to teach yourself，排版宽度指定为 30，

则输出为：

The(1); (1);main(1); (1);theme(1); (1);of(1); (1);education(1); (1);in(1);(2);engineering(2); (2);school(2); (2);is(2); (2);learning(2,3); (3);to(3);(3);teach(3); (3);yourself(3);

2 构建代码

2.1 代码思想

要给每一节都标上其所在的行数，本人的思想是：

首先将所给文本分节；
然后需知道每一节的第一个和最后一个字符所在原文本中的位置；
根据排版宽度求出每一节第一个字符和最后一个字符在排版后的文本中的所在行；
根据每一节的首尾字符所在行得到此节所在的所有行；
将每个节的内容及其所在的所有行依次按要求输出。

2.2 将文本分节

2.2.1 计算节数

首先先得到一共有多少个节，在这里使用正则表达式将文本以任意个连续空格分节：

String[] strArr = text.split("\\s+");

可得到有多少个字母字符节，再通过判断原始文本首尾是否为空白字符得到节数segmentNum。

2.2.2 获取每一节的数据并存放

每一节的数据包括它的内容和尾字符在原始文本中的位置。在这里我定义了一个String[]类型的segmentArray用来存放每一个节的内容；定义了一个int[]类型的segmentLastCharNo用来记录每一节的尾字符在原始文本中的位置；定义segmentNo用来指示当前为第几个节。

遍历原始文本，若当前字符与下一个字符相比由空白字符变为字母字符或由字母字符变为空白字符时，认为当前字符为一个节的尾字符，下一个字符则为下一个节的开始，代码如下：

for (int i = 0; i < text.length() - 1; i++) {
	char c1 = text.charAt(i);
	char c2 = text.charAt(i + 1);
	if ((c1 == ' ' && c2 != ' ') || (c1 != ' ' && c2 == ' ')) {
		segmentArray[segmentNo] += c1;
		segmentLastCharNo[segmentNo] = i;
		segmentNo++;
	} else {
		segmentArray[segmentNo] += c1;
	}
	if (i == text.length() - 2) {
		segmentArray[segmentNo] += c2;
		segmentLastCharNo[segmentNo] = i + 1;
	}
}

2.3 求每一节的首尾字符在原文本的位置

当知道每一节的内容及尾字符所在位置后，由内容长度可得该节首字符所在位置（用segmentFirstCharNo表示）：

int segmentFirstCharNo = segmentLastCharNo[i] - segmentArray[i].length() + 1;

2.4 求每一节的首尾字符在排版后的文本中的行号

用原文本中字符的位置除以排版宽度并向下取整即为此字符在排版后文本中所在的行号。用此方法便可得到每一节的首尾字符的行号。

2.5 求每一节的行号

因为有的节可能会不跨行或跨多行，即节所在的行号可能为一到多个，因此为每一个节定义一个存储行号的int型数组segmentlines，从首字符所在行遍历至尾字符所在行，将行号填入segmentlines中，即可得到此节所有的行号。

2.6 输出结果

按上文所说，现在已经得到了存放所有节的数组segmentArray及每个节的所有行号，那么遍历segmentArray的元素并将其所在行号拼接成一个字符串，最后输出此字符串即可。

3 运行代码

上文实现了TextProcessor类，为调用此类，另编写文件StartTextProcessor.java文件，在此文件中通过main函数调用TextProcessor类。

将本项目文件导入编译器Eclipse，java版本为1.8，右键src文件夹下的StartTextProcessor.java文件，选择Run As –> java application，即可运行此代码。然后在控制台输入所要排版的文本与排版宽度，即可得到结果。

4 正确性验证

为了验证本次所编写代码的正确性，本人使用了单元测试这一方法。本次单元测试使用编译器Eclipse提供的插件EclEmma进行。EclEmma是一个免费的用来测试Java代码覆盖率的Eclipse插件，可以用EclEmma直接在Eclipse工作区中测试Java程序，分析代码覆盖率，并且在Java编辑器中高亮显示源文件的代码覆盖情况。