java - 有没有办法在搜索字谜时保留单词的大小写？

Question

我需要编写一个程序，将整个文本文件读入字符串并在其中搜索字谜。输出必须是同一类型的所有字谜词，位于单独的行中，并带有原始的大小写书写。

我尝试了以下方法，但它没有给我想要的结果(显然都是小写):

String input = inputStringBuilder.toString();
input = input.replaceAll("[^äÄöÖüÜßa-zA-Z ]", "").toLowerCase();
String[] sentence = input.split(" ");

Map<String, Set<String>> anagrams = new HashMap<>();

for(int i = 0; i < sentence.length; i++){

        char[] charwords = sentence[i].toCharArray();

        Arrays.sort(charwords);

        String key = new String(charwords);

        Set<String> anagramSet = anagrams.get(key);
        if (anagramSet == null) {
          anagramSet = new HashSet<>();
          anagrams.put(key, anagramSet);
        }

   anagramSet.add(sentence[i]);

}

Answer 1

首先您需要移动toLowerCase()打电话。

input = input.replaceAll("[^äÄöÖüÜßa-zA-Z ]", ""); // <== Removed from here
String[] sentence = input.split(" ");

Map<String, Set<String>> anagrams = new HashMap<>();

for(int i = 0; i < sentence.length; i++){

        char[] charwords = sentence[i].toLowerCase().toCharArray(); // <== Added here

        Arrays.sort(charwords);

        String key = new String(charwords);

        Set<String> anagramSet = anagrams.get(key);
        if (anagramSet == null) {
          anagramSet = new HashSet<>();
          anagrams.put(key, anagramSet);
        }

   anagramSet.add(sentence[i]);

}

接下来，您需要删除 anagrams 中的条目不包含任何实际字谜的 map 。

问题代码中完全缺少此步骤，其中带有 Set 的映射条目大小为 1 的字符不是实际的字谜。

现在 Set包含带有原始大小写的单词，非字谜词，例如 "The"和"the"可能存在，并且也必须被消除，假设没有真正的字谜。如果存在真正的字谜词，则应保留各种大小写变体。

要检查这一点，请将所有单词添加到小写集合中，并消除该新集合的大小是否为 1，否则保留保留大小写的集合。

// code from above here
for (Iterator<Set<String>> iter = anagrams.values().iterator(); iter.hasNext(); ) {
    Set<String> words = iter.next();
    if (words.size() == 1) {
        iter.remove(); // Not anagram: Single spelling only
    } else {
        Set<String> lower = new HashSet<>();
        for (String word : words)
            lower.add(word.toLowerCase());
        if (lower.size() == 1) {
            iter.remove(); // Not anagram: Multiple case variants, but all same spelling
        }
    }
}

测试

Input:  This is a test of 'the' and 'The'
Result: {}

Input:  This is a test of 'the', 'The', and 'eth'
Result: {eht=[the, The, eth]}

<小时/>

如果您不想保留同一单词的所有大小写变体，则只需使集合不区分大小写，使用 new TreeSet<>(String.CASE_INSENSITIVE_ORDER) .

(代码精简，其中一些使用 Java 8 功能)

Map<String, Set<String>> anagrams = new HashMap<>();
for (String word : input.replaceAll("[^äÄöÖüÜßa-zA-Z ]", "").split(" ")) {
    char[] letters = word.toLowerCase().toCharArray();
    Arrays.sort(letters);
    String key = new String(letters);
    anagrams.computeIfAbsent(key, k -> new TreeSet<>(String.CASE_INSENSITIVE_ORDER))
            .add(word);
}
anagrams.values().removeIf(words -> words.size() == 1);

测试

Input:  This is a test of 'the' and 'The'
Result: {}

Input:  This is a test of 'the', 'The', and 'eth'
Result: {eht=[eth, the]}

Input:  This is a test of 'The', 'the', and 'eth'
Result: {eht=[eth, The]}