集合
集合是承载元素的容器,元素只能存在一次,可以快速去重。它是更高层的数据结构。
典型的应用场景:
- 客户统计:计算机IP访问,同一IP不同时间的访问记做同一客户的访问,关注多少不同IP访问网站,或今天较昨天增加多少了新IP访问了网站。
- 词汇量统计:一本书使用的词汇量是多少。
定义接口
定义集合的接口Set.java,使它支持泛型。
public interface Set<E> {
void add(E e); // 添加元素 不能添加重复元素
void remove(E e); // 删除元素
boolean contains(E e); // 查看集合是否包含某个元素
int getSize(); // 获得集合元素个数
boolean isEmpty(); // 判断集合是否为空
}
实现集合类
二分搜索树本身可以实现集合的所有操作,所以只需要调用二分搜索树中的相应方法即可。这里借用的BST.java是我的前一篇学习笔记《使用递归底层实现二分搜索树》中所实现的类。完整的类在第九章节。
只用到了二分搜索树的添加元素,删除元素,包含元素,以及大小和是否为空5个方法。需要注意的是在添加操作中,集合中的元素是不能重复的,由实现的二分搜索树无法添加重复元素,在集合类BSTSet.java中可以直接调用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);
}
}
集合的应用:词汇量统计
创建一个单独的文件操作类对需要进行统计的文本进行分词操作,将他们存放进一个数组中来计算文本中的单词数量,遍历数组存放进集合,计算集合大小即是文本的词汇量数量。
1.文件操作类
FileOperation.java用于对文本进行分词,不考虑单词的形式,将同一个单词的不同形态归类为不同的单词进行词汇量统计测试。
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;
// 文件相关操作
public class FileOperation {
// 读取文件名称为filename中的内容,并将其中包含的所有词语放进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;
}
// 文件读取
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;
}
// 简单分词
// 这个分词方式相对简陋, 没有考虑很多文本处理中的特殊问题
// 在这里只做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;
}
// 寻找字符串s中,从start的位置开始的第一个字母字符的位置
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,如果发生错误,为方便查看错误原因将它整体放在if结构中
import java.util.ArrayList;
public class Main {
public static void main(String[] args) {
System.out.println("Pride and Prejudice");
ArrayList<String> words1 = new ArrayList<>();
// 调用文件类将傲慢与偏见的文本单词都存进words1中
if (FileOperation.readFile("pride-and-prejudice.txt", words1)) {
// 打印这本书一共有多少个单词
System.out.println("Total words:" + words1.size());
BSTSet<String> set1 = new BSTSet<>();
for (String words : words1)
set1.add(words); // 底层的二分搜索树忽略重复,所以重复单词不会添加进集合中
System.out.println("Total different words:" + set1.getSize());
}
System.out.println(); // 换行
System.out.println("A Tale Of Two Cities");
ArrayList<String> words2 = new ArrayList<>();
// 调用文件类将双城记的文本单词都存进words1中
if (FileOperation.readFile("a-tale-of-two-cities.txt", words2)) {
// 打印这本书一共有多少个单词
System.out.println("Total words:" + words2.size());
BSTSet<String> set2 = new BSTSet<>();
for (String words : words2)
set2.add(words); // 底层的二分搜索树忽略重复,所以重复单词不会添加进集合中
System.out.println("Total different words:" + set2.getSize());
}
}
}
3.测试结果
Pride and Prejudice
Total words:125901
Total different words:6530
A Tale Of Two Cities
Total words:141489
Total different words:9944
写在最后
如果代码有还没有看懂的或者我写错的地方,欢迎评论,我们一起学习讨论,共同进步。
推荐学习地址:
liuyubobobo老师的《玩转数据结构》:https://coding.imooc.com/class/207.html
最后,祝自己早日咸鱼翻身,拿到心仪的Offer,冲呀!