如何在java中查找文档中短语（多标记字符串）的频率？

我想查找文档中多标记字符串或短语的频率。这不是我所寻找的单词/单个术语的频率，它总是多个术语，术语的数量是动态的

例如：在文档中搜索“与朋友交谈”的频率

任何帮助/指示都将不胜感激

谢谢

---

Debjani

您可以使用缓冲读取器逐行读取文档，然后使用split函数获取单词/标记的频率

int count=0;
while ((strLine = br.readLine()) != null)   {
     count+ = (strLine.split("words with friends").length-1);     
}
return count;

编辑： 如果要执行不区分大小写的搜索，则可以使用

Pattern myPattern = Pattern.compile("words with friends", Pattern.CASE_INSENSITIVE);
int count=0;
while ((strLine = br.readLine()) != null)   {
     count+ = (myPattern.split(strLine).length-1);    
}
return count;

---

您可以使用缓冲读取器逐行读取文档，然后使用split函数获取word/token的频率

int count=0;
while ((strLine = br.readLine()) != null)   {
     count+ = (strLine.split("words with friends").length-1);     
}
return count;

编辑： 如果要执行不区分大小写的搜索，则可以使用

Pattern myPattern = Pattern.compile("words with friends", Pattern.CASE_INSENSITIVE);
int count=0;
while ((strLine = br.readLine()) != null)   {
     count+ = (myPattern.split(strLine).length-1);    
}
return count;

---

为什么不使用正则表达式呢？Regex针对这类任务进行了优化

---

为什么不使用正则表达式？Regex针对这类任务进行了优化

---

你是说将有多个短语可供搜索，你想知道每个短语的频率吗？你是说将有多个短语可供搜索，你想知道每个短语的频率吗？是的，这就是为什么要将整个文档读入

字符串中，然后
拆分（）
ed.@stivlo，但这意味着在between@Ankur我认为将其视为精确字符串上的非常严格的匹配，而不仅仅是在文档中查找特定的单词序列，这可能是一个错误。您可能还需要考虑案例——《与朋友的话》是否可以与问题中的《与朋友的话》示例相匹配？@Anthony感谢您指出这一点，我已经更新了我的answer@Ankur：我将文档内容作为字符串获取，在这种情况下，我如何使用您的方法？是的，我希望它不区分大小写。是的，这就是为什么要将整个文档读入
字符串，然后
split（）
ed.@stivlo，但这意味着在between@Ankur我认为将其视为精确字符串上非常严格的匹配可能是错误的，而不仅仅是在文档中查找特定的单词序列。您可能还需要考虑案例——《与朋友的话》是否可以与问题中的《与朋友的话》示例相匹配？@Anthony感谢您指出这一点，我已经更新了我的answer@Ankur：我将文档内容作为字符串获取，在这种情况下，我如何使用您的方法？是的，我希望它不区分大小写。