集合
集合是承載元素的容器，元素只能存在一次，可以快速去重。它是更高層的數據結構。
典型的應用場景：
- 客戶統計：計算機IP訪問，同一IP不同時間的訪問記做同一客戶的訪問，關注多少不同IP訪問網站，或今天較昨天增加多少了新IP訪問了網站。
- 詞彙量統計：一本書使用的詞彙量是多少。
定義接口
定義集合的接口Set.java，使它支持泛型。
public interface Set<E> {
void add(E e); // 添加元素 不能添加重複元素
void remove(E e); // 刪除元素
boolean contains(E e); // 查看集合是否包含某個元素
int getSize(); // 獲得集合元素個數
boolean isEmpty(); // 判斷集合是否爲空
}
實現集合類
二分搜索樹本身可以實現集合的所有操作，所以只需要調用二分搜索樹中的相應方法即可。這裏借用的BST.java是我的前一篇學習筆記《使用遞歸底層實現二分搜索樹》中所實現的類。只用到了二分搜索樹的添加元素，刪除元素，包含元素，以及大小和是否爲空5個方法。需要注意的是在添加操作中，集合中的元素是不能重複的，由實現的二分搜索樹無法添加重複元素，在集合類BSTSet.java中可以直接調用add()方法。
public class BSTSet<E extends Comparable<E>> implements Set<E> {
private BST<E> bst;
public BSTSet() {
bst = new BST<>();
}
@Override
public int getSize() {
return bst.getSize();
}
@Override
public boolean isEmpty() {
return bst.isEmpty();
}
@Override
public boolean contains(E e) {
return bst.contains(e);
}
@Override
public void add(E e) {
bst.add(e);
}
@Override
public void remove(E e) {
bst.remove(e);
}
}
詞彙量統計
1.文件操作類
FileOperation.java用於對文本進行分詞，不考慮單詞的形式，將同一個單詞的不同形態歸類爲不同的單詞進行詞彙量統計測試。
import java.io.FileInputStream;
import java.util.ArrayList;
import java.util.Scanner;
import java.util.Locale;
import java.io.File;
import java.io.BufferedInputStream;
import java.io.IOException;
// 文件相關操作
public class FileOperation {
// 讀取文件名稱爲filename中的內容，並將其中包含的所有詞語放進words中
public static boolean readFile(String filename, ArrayList<String> words){
if (filename == null || words == null){
System.out.println("filename is null or words is null");
return false;
}
// 文件讀取
Scanner scanner;
try {
File file = new File(filename);
if(file.exists()){
FileInputStream fis = new FileInputStream(file);
scanner = new Scanner(new BufferedInputStream(fis), "UTF-8");
scanner.useLocale(Locale.ENGLISH);
}
else
return false;
}
catch(IOException ioe){
System.out.println("Cannot open " + filename);
return false;
}
// 簡單分詞
// 這個分詞方式相對簡陋, 沒有考慮很多文本處理中的特殊問題
// 在這裏只做demo展示用
if (scanner.hasNextLine()) {
String contents = scanner.useDelimiter("\\A").next();
int start = firstCharacterIndex(contents, 0);
for (int i = start + 1; i <= contents.length(); )
if (i == contents.length() || !Character.isLetter(contents.charAt(i))) {
String word = contents.substring(start, i).toLowerCase();
words.add(word);
start = firstCharacterIndex(contents, i);
i = start + 1;
} else
i++;
}
return true;
}
// 尋找字符串s中，從start的位置開始的第一個字母字符的位置
private static int firstCharacterIndex(String s, int start){
for( int i = start ; i < s.length() ; i ++ )
if( Character.isLetter(s.charAt(i)) )
return i;
return s.length();
}
}
2.Main.java
FileOperation的readFile是有返回值的，如果發生錯誤，爲方便查看錯誤原因將它整體放在if結構中
import java.util.ArrayList;
public class Main {
public static void main(String[] args) {
System.out.println("Pride and Prejudice");
ArrayList<String> words1 = new ArrayList<>();
// 調用文件類將傲慢與偏見的文本單詞都存進words1中
if (FileOperation.readFile("pride-and-prejudice.txt", words1)) {
// 打印這本書一共有多少個單詞
System.out.println("Total words:" + words1.size());
BSTSet<String> set1 = new BSTSet<>();
for (String words : words1)
set1.add(words); // 底層的二分搜索樹忽略重複，所以重複單詞不會添加進集合中
System.out.println("Total different words:" + set1.getSize());
}
System.out.println(); // 換行
System.out.println("A Tale Of Two Cities");
ArrayList<String> words2 = new ArrayList<>();
// 調用文件類將雙城記的文本單詞都存進words1中
if (FileOperation.readFile("a-tale-of-two-cities.txt", words2)) {
// 打印這本書一共有多少個單詞
System.out.println("Total words:" + words2.size());
BSTSet<String> set2 = new BSTSet<>();
for (String words : words2)
set2.add(words); // 底層的二分搜索樹忽略重複，所以重複單詞不會添加進集合中
System.out.println("Total different words:" + set2.getSize());
}
}
}
3.測試結果
Pride and Prejudice
Total words:125901
Total different words:6530
A Tale Of Two Cities
Total words:141489
Total different words:9944
寫在最後
如果代碼有還沒有看懂的或者我寫錯的地方，歡迎評論，我們一起學習討論，共同進步。
推薦學習地址：
liuyubobobo老師的《玩轉數據結構》：https://coding.imooc.com/class/207.html
最後，祝自己早日鹹魚翻身，拿到心儀的Offer，衝呀！