Java 文件的第一个字是'；hashmap.containskey会将t识别为文件中稍后出现的其他单词

我正在使用mapreduce构建一个反向索引（这方面的知识不需要帮助解决我的问题）。为此，我在map函数中使用了一个hashmap，其中包含一个单词在文件中的出现情况，以及该单词在文件中的位置

输出如下所示：

bart    [Bart_the_Murderer.txt.gz{10, 83, 117, ..., 2356}, Bart_the_Murderer.txt.gz{1}]

bart    [Bart_the_Murderer.txt.gz{1, 10, 83, 117, ..., 2356}]

但应该是这样的：

bart    [Bart_the_Murderer.txt.gz{10, 83, 117, ..., 2356}, Bart_the_Murderer.txt.gz{1}]

bart    [Bart_the_Murderer.txt.gz{1, 10, 83, 117, ..., 2356}]

我构建hashmap的代码：

if (!map.containsKey(tokenForMap)) {
                    if(filePos == 1 || filePos == 10 || filePos == 83)
                        LOG.info("no key contained for: " + tokenForMap);
                    inputStringForMap = INPUTFILE.toString();
                    inputStringForMap = inputStringForMap + "{" + filePos + "}";
                    map.put(tokenForMap, inputStringForMap);
                }
                else
                {
                    if(filePos == 1 || filePos == 10 || filePos == 83)
                        LOG.info("key contained for: " + tokenForMap);
                    inputStringForMap = map.get(tokenForMap);
                    inputStringForMap = inputStringForMap.substring(0, inputStringForMap.length()-1) + ", " + filePos + "}";
                    map.replace(tokenForMap, inputStringForMap);
                }

我的日志是：

 [exec] 19/11/22 21:54:04 INFO exercise.BasicInvertedIndex: bart Bart_the_Murderer.txt.gz filepos1
 [exec] 19/11/22 21:54:04 INFO exercise.BasicInvertedIndex: no key contained for: bart
 [exec] 19/11/22 21:54:04 INFO exercise.BasicInvertedIndex: bart Bart_the_Murderer.txt.gz filepos10
 [exec] 19/11/22 21:54:04 INFO exercise.BasicInvertedIndex: no key contained for: bart
 [exec] 19/11/22 21:54:04 INFO exercise.BasicInvertedIndex: bart Bart_the_Murderer.txt.gz filepos83
 [exec] 19/11/22 21:54:04 INFO exercise.BasicInvertedIndex: key contained for: bart

如您所见，containskey（）似乎并不认为filepos 10中的bart与filepos 1中的bart相同，但它认为它与filepos 83（和其他位置）中的bart相同。尽管将文档标记为以下内容，但仍然存在这种情况：

        String line = value.toString().replaceAll("[^A-Za-z0-9]", " ").toLowerCase();
        StringTokenizer itr = new StringTokenizer(line);

由于BART应该都是字母数字字符，没有空格（打印时看起来完全相同），我不理解containskey方法为什么不将它们关联起来。我发现有人有类似的问题，containskey无法识别文件的第一个字，尽管没有找到解决方案

感谢所有能够提供帮助的人。

您可以使用以下命令而不是map.containsKey（..）：

   map.get(key)

如果它返回null，这意味着它不包含该键

     if (map.get(key)==null){
        ....
            }
     else {
          }

---

这也应该如此。我提出这个解决方案时假设containsKey就是您提到的问题。

谢谢您的回复，尽管它并没有解决问题。问题不在于containskey方法本身，而是hashmap将这些“bart”的出现标识为不同。我认为可能有一些不可见的字符链接到文件的第一个字，但我认为replaceAll（“[^a-Za-z0-9]”，“”）可以消除这些字符。请确保标记前后没有多余的空格，请使用tokenForMap.trim（）在hashmap中添加/检查其存在时。似乎不是问题。您是否尝试使用调试器查看发生了什么？我相信这将有助于发现问题。