用java程序分析一个文本文件中各个词出现的频率，并把频率最高的十个单词打印出来（一般的冠词，虚词除外）

          题目：用java程序实现字符的统计，并显示打印出排名前十的高频字符（一般的冠词，代词和虚词除外）
主要涉及的知识点：文件的读取，存取以及排序，分割字符，事件的处理机制

源代码：

<pre name="code" class="java"><span style="font-size:18px;">/* * 题目：用java程序统计文件里出现频率最高的十个词并排序显示（一般的冠词虚词不计入排名） * 作者：kasabulan * 日期：2014.10.1 * 功能实现步骤：        将文件内容存入StringBuffer然后利用split()函数分割字符串，可按(“，”，“.”，“！”/n“空格”用       选择语句排除一般的虚词冠词（可以吧这些词统一存在一个地方再比较），最后进行排序。  --------------------------------------------------------------------------- */import java.io.BufferedReader;import java.io.FileReader;import java.io.FileNotFoundException;import java.io.IOException;import java.util.*;  public class Tong1 {     public static void main(String[] args)      {         try {             BufferedReader br = new BufferedReader(new FileReader("D:\\test.txt"));//新建缓存区读取为所需统计文件的读取                          StringBuffer mp= new StringBuffer();//更新字符缓存为mp             String s;             ;//把要统计的文件装入字符串m          while (( s=br.readLine())!= null) {                 mp.append(s);//设置字符缓存的搜索路径是字符串m             }             Map<String,Integer>   map = new HashMap<String, Integer>();//运用哈希排序的方法进行排序             StringTokenizer st = new StringTokenizer(mp.toString(),",.! \n");//分割字符串           //用来测试是否有此标记生成器的字符串可以有更多的标记。并把分割好的单词保存在letter字符串中。             while (st.hasMoreTokens()) {                 String letter = st.nextToken();                 int count;                 if (map.get(letter) == null) {                     count = 1;//表明了没有进行分割。                 } else {                     count = map.get(letter).intValue() + 1;                 }                 map.put(letter,count);             }             Set<WordEntity> set = new TreeSet<WordEntity>();             for (String key : map.keySet()) {                 set.add(new WordEntity(key,map.get(key)));             }                                      System.out.println("频率排名前十的单词是：");             int count = 1;             for (Iterator<WordEntity> it = set.iterator(); it.hasNext(); ) {                 WordEntity w = it.next();</span>

<span style="font-size:18px;">//以下的if语句较为繁琐，由于有太多的冠词代词还有虚词了                 if(!w.getKey().equals("the")&&!w.getKey().equals("is")&&!w.getKey().equals("to")&&!w.getKey().equals("by")&&!w.getKey().equals("is")&&!w.getKey().equals("a")&&!w.getKey().equals("and")&&!w.getKey().equals("was")&&!w.getKey().equals("has")&&!w.getKey().equals("had")&&!w.getKey().equals("I")&&!w.getKey().equals("for")&&!w.getKey().equals("my")&&!w.getKey().equals("me")&&!w.getKey().equals("with")&&!w.getKey().equals("of")&&!w.getKey().equals("in")&&!w.getKey().equals("on")&&!w.getKey().equals("that")&&!w.getKey().equals("it")&&!w.getKey().equals("The")&&!w.getKey().equals("at")&&!w.getKey().equals("which")&&!w.getKey().equals("he")&&!w.getKey().equals("as")                 &&!w.getKey().equals("but")&&!w.getKey().equals("his")&&!w.getKey().equals("from")&&!w.getKey().equals("some")&&!w.getKey().equals("be")&&!w.getKey().equals("were")&&!w.getKey().equals("not") &&!w.getKey().equals("they")&&!w.getKey().equals("this")&&!w.getKey().equals("an")&&!w.getKey().equals("no")&&!w.getKey().equals("into")&&!w.getKey().equals("It")&&!w.getKey().equals("there")&&!w.getKey().equals("But")&&!w.getKey().equals("him")&&!w.getKey().equals("could")&&!w.getKey().equals("been")&&!w.getKey().equals("would")&&!w.getKey().equals("she")&&!w.getKey().equals("then")&&!w.getKey().equals("Then")&&!w.getKey().equals("have"))                 { System.out.println("第" + count + "名为单词:" + w.getKey() + " 出现的次数为： "                         + w.getCount());                 if (count == 10)// 当输出10个后跳出循环                     break;                 count++;             }                 }         } catch (FileNotFoundException e) {             System.out.println("文件未找到~！");//异常处理         } catch (IOException e) {             System.out.println("文件读异常~！");//异常处理         }     } }class WordEntity implements Comparable<WordEntity> {    private String key;    private Integer count;    public WordEntity (String key, Integer count) {        this.key = key;        this.count = count;    }    public int compareTo(WordEntity o) {        int cmp = count.intValue() - o.count.intValue();        return (cmp == 0 ? key.compareTo(o.key) : -cmp);        //只需在这儿加一个负号就可以决定是升序还是降序排列  -cmp降序排列，cmp升序排列        //因为TreeSet会调用WorkForMap的compareTo方法来决定自己的排序    }      public String toString() {        return key + " 出现的次数为：" + count;    }    public String getKey() {        return key;    }    public Integer getCount() {        return count;    }}   </span>

以下为实验的截图，统计文件大小为90kb

用Eclipse自带的性能测试软件Jvisualvm进行性能测试，以下为测试截图：

在未启动程序之前的cpu及线程情况：

然后运行程序以后的测试图：

接着是线程图：

接下来是方法工作截图：

不足点：在解决代词，冠词和虚词的影响的时候运用的方法不是很好，我选择的是用if条件语句来进行筛选，但是由于冠词代词和虚词等额量太大了，所以很是麻烦。我想是不是可以在网上下载一个代词冠词虚词的单词大全

然后再进行文件的比对，这样或许精确度会高一些。