Parsing 根据词频计数（数字）重新创建歌词（单词）

我试图从词频计数中“重现”歌词。我有两个源数据文件。第一个是我正在使用的歌词语料库中最常用的5000个词的列表，按最常用（1）到最不常用（5000）的顺序排列。第二个文件是歌词语料库本身，由20多万首歌曲组成

每个“song”都是一个逗号分隔的字符串，如下所示：“SONGID1，SONGID2，1:13，2:10，4:6，7:15，…”，其中前两个条目是歌曲的ID标签，后面是术语（冒号左边的数字）和该术语在歌曲中使用的次数（冒号右边的数字）。在上面的例子中，这意味着“I”（5000个最常用术语中的第一个条目“1”）在这首歌中出现13次，而“the”（第二个最常用术语）出现10次，依此类推

我想做的是从这个“termID:termCount”格式到实际“重建”原始（尽管是混乱的）歌词，在这里我将冒号左边的数字设置为实际的术语，然后在冒号右边列出这些术语的正确次数。同样，使用上面的简短示例，我首选的结果输出将是：“SONGID1、SONGID2、I和…”等等。谢谢

也许以下（未经测试的）内容会启发你。您没有说明希望如何输出，因此可能需要将

print（）

s更改为文件写入或其他内容

//假设每个单词都在自己的行上，从最常见到最不常见排序
String[]words=loadStrings（“words.txt”）；
//两种方法：
//loadStrings（）再次出现，但大文件占用了大量内存。
//缓冲读取器，它更复杂，但适用于大文件。
BufferedReader reader=createReader（“songs.txt”）；
字符串行=reader.readLine（）；
while（行！=null）{
String[]data=line.split（“，”）；
打印（数据[0]+”，“+数据[1]）；//两个歌曲ID
对于（inti=2；i