本教程详细介绍了如何在Java中实现一个方法，用于统计给定字符串中不重复单词的数量。我们将通过字符串分割、单词标准化（如转换为小写并去除标点）以及使用`ArrayList`来存储和检查单词的唯一性，最终返回独立单词的总数，避免使用如`HashSet`等高级集合类型。
在Java编程中，经常会遇到需要处理文本数据并从中提取特定信息的需求。其中一个常见任务是统计一个字符串中包含多少个独特的单词。例如，对于句子 "A long long time ago, I can still remember"，我们希望得到的结果是 8（因为 "long" 出现了两次，但只应计算一次）。本教程将指导您如何构建一个方法来实现这一功能，同时遵循不使用高级集合类型（如 HashSet）的限制，而是利用基础的 ArrayList。
1. 理解核心问题与限制
核心问题是区分重复单词和独立单词。一个简单的单词计数器会计算所有出现的单词，而我们需要的是只计算第一次出现的单词。原始问题中明确指出，不允许使用 HashSet 或 HashMap 等高级数据结构，这使得我们必须依赖更基础的集合类，例如 ArrayList。
2. 实现思路
要解决这个问题，我们可以遵循以下步骤：
- 将字符串分割成单词： 使用字符串的 split() 方法根据空格或其他分隔符将句子分解成单个单词。
-
标准化单词： 在比较单词之前，需要对它们进行标准化处理。这通常包括：
- 将所有单词转换为统一的大小写（例如，全部转为小写），以确保 "Word" 和 "word" 被视为同一个单词。
- 去除单词中的标点符号，例如 "ago," 应该被处理成 "ago"。
- 存储和检查唯一性： 使用一个 ArrayList 来存储已经遇到的独特单词。在遍历分割后的单词时，对于每个单词，先检查它是否已经存在于 ArrayList 中。如果不存在，则将其添加到列表中。
3. 代码实现
下面是一个完整的Java方法，它实现了上述逻辑：
import java.util.ArrayList;
import java.util.List;
public class WordCounter {
/**
* 统计字符串中独立单词的数量。
* 该方法将字符串分割成单词，对单词进行标准化处理（转小写并去除标点），
* 然后使用ArrayList来存储和检查单词的唯一性。
*
* @param s 输入的字符串
* @return 字符串中独立单词的数量
*/
public static int countUniqueWords(String s) {
if (s == null || s.trim().isEmpty()) {
return 0;
}
// 1. 将字符串分割成单词
// 使用正则表达式匹配一个或多个空格作为分隔符
// 这将处理多个空格的情况，并避免生成空字符串
String[] words = s.split("\\s+");
List uniqueWords = new ArrayList<>();
for (String word : words) {
// 2. 标准化单词：
// a. 去除单词中的非字母字符（标点符号、数字等）
// replaceAll("[^a-zA-Z]", "") 会移除所有非英文字母字符
// b. 转换为小写，确保大小写不敏感的比较
String cleanedWord = word.replaceAll("[^a-zA-Z]", "").toLowerCase();
// 检查处理后的单词是否为空，例如，如果原始字符串中只有标点符号
if (!cleanedWord.isEmpty(
)) {
// 3. 存储和检查唯一性
// 如果uniqueWords列表中不包含当前处理后的单词，则将其添加进去
if (!uniqueWords.contains(cleanedWord)) {
uniqueWords.add(cleanedWord);
}
}
}
return uniqueWords.size();
}
public static void main(String[] args) {
String sentence1 = "A long long time ago, I can still remember";
String sentence2 = "Hello world! Hello Java, world!";
String sentence3 = " Only one word ";
String sentence4 = " "; // 空白字符串
String sentence5 = "Java, Java, java.";
System.out.println("Sentence 1: \"" + sentence1 + "\" -> Unique words: " + countUniqueWords(sentence1)); // 期望输出 8
System.out.println("Sentence 2: \"" + sentence2 + "\" -> Unique words: " + countUniqueWords(sentence2)); // 期望输出 4 (hello, world, java)
System.out.println("Sentence 3: \"" + sentence3 + "\" -> Unique words: " + countUniqueWords(sentence3)); // 期望输出 3 (only, one, word)
System.out.println("Sentence 4: \"" + sentence4 + "\" -> Unique words: " + countUniqueWords(sentence4)); // 期望输出 0
System.out.println("Sentence 5: \"" + sentence5 + "\" -> Unique words: " + countUniqueWords(sentence5)); // 期望输出 1 (java)
}
} 
4. 示例运行与输出
使用上述 main 方法运行代码，您将得到以下输出：
Sentence 1: "A long long time ago, I can still remember" -> Unique words: 8 Sentence 2: "Hello world! Hello Java, world!" -> Unique words: 4 Sentence 3: " Only one word " -> Unique words: 3 Sentence 4: " " -> Unique words: 0 Sentence 5: "Java, Java, java." -> Unique words: 1
5. 注意事项与性能考量
- split() 方法： s.split("\\s+") 使用正则表达式 \s+ 来匹配一个或多个空白字符。这比 s.split(" ") 更健壮，可以正确处理单词之间有多个空格的情况，避免产生空的单词字符串。
- 单词标准化： word.replaceAll("[^a-zA-Z]", "").toLowerCase() 是一个通用的标准化方法。[^a-zA-Z] 匹配任何非英文字母的字符，并将其替换为空字符串。toLowerCase() 则将所有字母转换为小写。根据具体需求，您可能需要调整正则表达式以包含数字或其他特定字符。
- 性能： ArrayList.contains() 方法在最坏情况下需要遍历整个列表来查找元素，其时间复杂度为 O(n)，其中 n 是列表中元素的数量。因此，对于非常大的文本，这种方法的性能可能不如使用 HashSet（其平均时间复杂度为 O(1)）。然而，考虑到原始问题中对数据结构的限制，ArrayList 是一个合理的选择。
- 空字符串/只有标点符号的单词： 在 cleanedWord.isEmpty() 检查中，我们确保只处理有效（非空）的单词。例如，如果原始字符串中有一个逗号 ,，经过 replaceAll 后会变成空字符串，我们不应将其计入独特单词。
- 多语言支持： 当前的 replaceAll("[^a-zA-Z]", "") 仅处理英文字母。如果需要支持其他语言（如中文、法文等），则需要调整正则表达式来匹配相应的字符集。
6. 总结
通过本教程，我们学习了如何使用Java的基本字符串操作和 ArrayList 来实现一个方法，以统计字符串中独立单词的数量。这个方法通过字符串分割、单词标准化和列表的唯一性检查，有效地解决了在不使用高级集合类的情况下处理文本去重的问题。尽管在处理大规模数据时可能存在性能瓶颈，但它为理解和实现基础的文本处理逻辑提供了一个清晰的范例。
