Java文本处理10-计算文本平均句长

今天药忘吃喽~ 2022-03-18 09:06 270阅读 0赞

# 1、任务简介 #

本节任务是计算文本平均句长，可以再上一节任务[《Java文本处理9-计算文本句子数》][Java_9-]的基础上来进行，并且还需要使用到[《Java文本处理3-统计文本行数、字符数、汉字、数字、字母数等》][Java_3-]里面关于计算文本总字数的相关方法。

--------------------

# 2、基本任务和代码 #

## 1）具体思路 ##

（1）首先需要使用InputStreamReader类和BufferedReader类实现文本的读取，由于我使用的文本文档均为utf-8编码，所以还需要指定编码格式为utf-8；

（2）然后需要定义一个空的字符串变量，在对文本逐行读出后将读出的内容追加到该空字符串后；

（3）逐行读出文档，然后使用for循环对该行中的每一个字符进行遍历，使用toString（）方法得到每一个字符，再使用if语句和matches（）方法检测字符是否为汉字，若匹配则对指定的变量进行自增，求出总的汉字数；

（4）再使用if语句和equals（）方法字符是否为“。” “！”和“？”三种符号之一，若为其中之一则句子数+1，由于计算平均句长需要使用总汉字数\\总句子数，即需要使用到除法，故统计变量均需要使用double型变量；

（5）使用总汉字数\\总句子数就可以得到该文本中每一句话的平均句长，并将结果打印出来（打印总汉字数和总句子数时强制类型转换为int型即可）；

## 2）任务代码 ##

程序保存为juzi2.java，代码如下：

import java.io.*;//导入java.io包中的所有类
    import java.util.Scanner;//导入java.util包中的Scanner类
    public class juzi2 {
        //类名
        public static void main(String[] args)  {
        //程序主函数
            try {
        //try代码块，当发生异常时会转到catch代码块中
            	//读取指定的文件
            	Scanner s = new Scanner(System.in);//创建scanner，控制台会一直等待输入，直到敲回车结束
            	System.out.println("请输入想要打开的文本文档：");//输入提示信息
            	String a = s.nextLine();//定义字符串变量，并赋值为用户输入的信息
            	//创建类进行文件的读取，并指定编码格式为utf-8
            	InputStreamReader read = new InputStreamReader(new FileInputStream(a),"utf-8"); 
                BufferedReader in = new BufferedReader(read);//可用于读取指定文件     
    			StringBuffer b = new StringBuffer();//定义一个字符串变量b，便于后续进行内容追加的操作
    			String str = null;//定义一个字符串类型变量
    			String d = null;//定义一个字符串类型变量
    			double e = 0;//定义一个double型变量，用于统计句子数
    			double c = 0;//定义一个double型变量，用于统计汉字数
    			while((str = in.readLine()) != null) {
        //readLine()方法, 用于读取一行,只要读取内容不为空就一直执行
    				b.append(str);//将该行内容追加到字符串b的后面
    				for (int j = 0; j < str.length(); j++) {
        //for循环的条件，当j小于该行长度时就一直循环并自增
                		d = Character.toString(str.charAt(j));//返回一个字符串对象
                		if (d.matches("[\\u4e00-\\u9fa5]")) {
        //if语句的条件，判断是否为汉字
                            c++;//若为汉字则c自增一次
                        }
                		if (d.equals("。")||d.equals("？")||d.equals("！")) {
        //if语句的条件，判断是否为句子
                            e++;//若为一句则e自增一次
                        }
    			    }
    			}
                in.close();//关闭流
                double f = c/e;//计算文本平均句长
                System.out.println("该文本共有"+(int)e+"个句子");//输出总的句子数
                System.out.println("该文本共有"+(int)c+"个汉字");//输出总的汉字数
                System.out.println("该文本平均句长为"+f);//输出平均句长
            } catch (IOException e) {
        //当try代码块有异常时转到catch代码块
            	e.printStackTrace();//printStackTrace()方法是打印异常信息在程序中出错的位置及原因
            }
        }
    }

## 3）运行结果 ##

（1）所有文件均保存在路径D:\\demo7下，首先对一个简单的文本文档（格式为utf-8）的句子数进行计算，该文本文档命名为 lsy.txt（该文档在上一节任务中已有使用），内容如下：  
![在这里插入图片描述][20190220131421753.png]  
在命令行中对程序进行编译，并运行程序读取该txt文档，计算结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70]

由此可以看出对于该文本的计算结果与实际相符；

（2）最后在命令行下使用该程序对原版《西游记》txt文档进行计算，计算结果如下：  
![在这里插入图片描述][20190220131737969.png]  
对于我使用的原版《西游记》总汉字数的计算结果为589702个，总句子数为30804个，进行除法运算后可以得出其平均句长约为19.143682638618362。

--------------------

# 3、总结 #

通过该程序我们可以在计算得出文本总汉字数和总句子数的基础上，再通过除法运算得出平均句长，错误之处还请大家指正，博主对此不胜感激。

[Java_9-]: https://blog.csdn.net/lsylsy726/article/details/87736139
[Java_3-]: https://blog.csdn.net/lsylsy726/article/details/86650722
[20190220131421753.png]: /images/20220318/83f2ec48884940f8bf0a2c6bebc56a15.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xzeWxzeTcyNg_size_16_color_FFFFFF_t_70]: /images/20220318/f41b0bf82f42478a90c55c0946ca6e3e.png
[20190220131737969.png]: /images/20220318/89dff5ae7ee84aa387bf638c6b004e2e.png