java如何有选择的输入多行文本
今天在做作业的时候碰到了一个问题:要用java做词频统计,但是这就犯难了,java如何有选择性的进行文件输入输出呢?
查阅文档可知,inputStream类和outputStream类是字节流输入输出,而reader 类和writer 类则是直接Unicode码输入输出,我为了图省事,我最后使用了FileReader类的read方法进行文件读取。FileReader类中的read方法可以逐字符读取,返回类型为int,其实就是0~255的char 类型,只要进行强制类型转换,就可以得到读入的字符,当遇到文件尾的时候,该方法返回-1。因为是char类型,所以如果遇到中文字符,比如句号,就会按照两个char处理。
接下来解决选择性输入的问题。思路很简单:
1.如果现在所读取到的字符不是我们想要的,那么就一直向下读取,直到读取到我们想要的
2.如果遇到了返回值为-1的情况,退出,表示文件读取完成(这一步一定要放在中间判断)
3.如果现在读取的是我们想要的,就一直读取,直到出现我们不需要的,退出,等待下一次读取。
解释一下第二个为什么要在中间判断吧。
因为如果放在三个判断的第一个,那么如果文件以无用的字符结尾,则最后一个单词输出后还会多余输出一个换行,因为return了一个空的StringBuffer,而输出语句用的是println。
如果放在三个判断中的最后,那么如果文件以有用单词结尾,则最后一个单词无法输出,因为扫描到单词后紧接着就是read返回-1,此时就直接返回“字符串完成”,所以少最后一个单词
第一次解决的时候,因为判断1的位置和判断3混在了一起,所以出现了最后一个单词不能输出的情况。
错误写法我也写下来吧,以免以后再错:
错误1——放在最前面:
private String read() throws IOException{ StringBuffer strBuf = new StringBuffer(); int t=fileReader.read(); if(t==-1) return "\\$";
错误2——放在最后:
1 while(t!=-1&&isAlph((char)t)){ 2 strBuf.append((char) t); 3 t=fileReader.read(); 4 } 5 if(t==-1) return "\\$"; 6 return strBuf.toString(); 7 }
正确做法:(完全代码,并且简化了不需要的流程)
1 private String read() throws IOException{ 2 StringBuffer strBuf = new StringBuffer(); 3 int t=fileReader.read(); 4 if(t==-1) return "\\$"; 5 while(t!=-1&&isAlph((char)t)){ 6 strBuf.append((char) t); 7 t=fileReader.read(); 8 } 9 return strBuf.toString(); 10 }
因此,可以看到代码的细节也是不容忽视的,同一句话,不同位置,导致结果大相径庭。
======================================我是小清新的分割线=========================================
2016.5.8更新
嗯,好吧,我又来啦,这次的java之旅差不多就已经完成啦,现在让我们梳理一下这次学到的输入流的组合方式:
除了上文中逐个字符进行输入的方法之外,对于有些问题,正则表达式可能更加好用。
比如我们想逐行读取文本怎么办呢,我们会发现FileReader类中是没有这种方法的,因此我们需要把File类和其他输入流组合起来,自力更生。比如我们把File和Scanner类结合起来,熟悉控制台的小伙伴们一定很清楚,Scanner常用来进行控制台输入,并且Scanner可以一次读取一行,因此,我们就选它啦。
因此我么可以愉快地一次一行进行操作啦
定义如下:(in 和 out 分别是输入流和输出流)
public Tree_T_Display(File fin,File fout) throws IOException { in = new Scanner(new FileInputStream(fin)); out = new FileWriter(fout); }
这样read()函数就可以这样定义啦:
public String read()throws IOException{ if(in.hasNext()){ String s = in.nextLine(); s=s.replaceAll(" ", "");//去掉空格 return s; } return null; }
这样一来,配合正则表达式,我们的代码量可以减少,并且在过滤数据方面也可以交给正则表达式去做。
另外,正则表达式也提一下吧,在java的正则表达式我自己用过的有两种调用方法,一种是String类中的split,matches方法,注意split方法中匹配上的字符不会出现在新的字符串中,而matches方法中的正则必须和字符串完全匹配,否则就返回false。
另外,正则中,+表示1~n个(n)不限制,*表示0~n个,和{1,} {0,}分别等价。
^表示行开头,$表示行结尾,^在[]中表示“非”,取补集
举例如下
目标:匹配“单词”开头+“(”结尾的字符串:
1 s.matches("^[a-zA-Z]+[^\\(]$")
匹配可能有特殊字符的单词,缩写等:
1 s.matches("^[^ ]+$")
这里就用到了^在[]中的情况,一个[]是一个可匹配的类,上面第二行作用是匹配一个“以非空格开头并且以之为结尾的字符串”
pte String read() throws IOException{
StringBuffer strBuf = new StringBuffer();
int t=fileReader.read();
if(t==-1) return "\\$";
while(t!=-1&&isAlph((char)t)){
strBuf.append((char) t);
t=fileReader.read();
}
//保留最大单词长度,为格式化输出做准备
maxLen = maxLen < strBuf.length() ? strBuf.length() : maxLen;
return strBuf.toString();
}