Part 1.卷首語
github傳送門
本次的開發環境
- Windows 10 64bit + Eclipse + JProfiler
Part 2.PSP表格
| PSP2.1 | Personal Software Process Stages | 預估耗時（分鐘） | 實際耗時（分鐘） |
|---|---|---|---|
| Planning | 計劃 | --- | |
| · Estimate | · 估計這個任務需要多少時間 | 10 | 20 |
| Development | 開發 | ||
| · Analysis | · 需求分析 (包括學習新技術) | 120 | 150 |
| · Design Spec | · 生成設計文檔 | 30 | |
| · Design Review | · 設計複審 | ||
| · Coding Standard | · 代碼規範 (為目前的開發制定合适的規範) | ||
| · Design | · 具體設計 | 60 | 40 |
| · Coding | · 具體編碼 | 700 | 1320 |
| · Code Review | · 代碼複審 | ||
| · Test | · 測試（自我測試，修改代碼，送出修改） | ||
| Reporting | 報告 | ||
| · Test Repor | · 測試報告 | ||
| · Size Measurement | · 計算工作量 | ||
| · Postmortem & Process Improvement Plan | · 事後總結, 并提出過程改進計劃 | ||
| 合計 | 1080 | 1830 |
Part 3.解題思路
首先問題的大緻要求是需要統計文本中的各參數數量與詞頻，整體的先後思路如下：
- 1.首先要做的事情就是将.txt中的文本轉換為可操作的字元串(結果還需要寫入.txt檔案中)，這個過程關系到檔案流操作；
- 2.對于可操作的字元串，要對其進行篩選、轉化、切割、選擇(開頭4個字母後含若幹個字母數字的形式)；
- 3.對于處理後的單詞集，需要對其進行詞頻統計，并在統計結束後排序好先後順序傳回主函數，基本任務完成。
Part 4.實作過程
- countChar:負責字元數的統計；
- countVec:負責單詞數的統計；
- countLine:負責行數的統計；
- createMap：負責處理HashMap詞頻表的建立
福大軟工1816 · 第二次作業-個人項目
Part5.關鍵代碼展示
簡單的列出主要花費自己心思去寫的兩部分代碼，其餘的詳細請見github上的源碼。
對于單詞的選擇，我主要利用的是正則比對的方式來選擇，先将内部不符合的元素用某一符号代替，而這一符号将作為下一次分隔符标志，利用Pattern和Matcher去除非英文數字字元，而後進一步對單詞的樣式進行限制，對于符合正規表達式的單詞加入清單中提供給後續使用
public static int countwords(int count,String text){
list.clear(); //做初始化清空字元集處理
String regex ="[^0-9a-zA-Z]"; //剔除文本中的非字母和數字的部分并以！作為暫時的分隔符
Pattern pat = Pattern.compile(regex);
Matcher mat = pat.matcher(text);
text = mat.replaceAll("!");
String [] textArray = text.split("!+"); //按照分隔符劃分
String v_regex = "^[a-z]{4}[a-z0-9]*$"; //對單詞形式進行約定
for(String i:textArray){
Pattern v_pat = Pattern.compile(v_regex);
Matcher v_mat = v_pat.matcher(i);
if(v_mat.matches())
list.add(i);
}
return list.size();
}
對于詞頻分類和統計，這裡利用了HashMap，簡單且易查找，<Key,Value>的形式很好的記錄了<單詞本身，出現次數>這樣的記錄。最後将記錄好的Map進行排序，按照題給要求，先以Value值做參考，在Value值相同的情況下，以Key值優先為準。
public static List<Map.Entry<String,Integer>> createHashMap(List<String>list){
Map<String,Integer> ver = new HashMap<String, Integer>();
for(String i:list){
if(!ver.containsKey(i))
ver.put(i, 1);
else{
Integer num = ver.get(i);
ver.put(i, num+1);
}
}
List<Map.Entry<String,Integer>> verlist = new ArrayList<Map.Entry<String,Integer>>(ver.entrySet());
Collections.sort(verlist,new Comparator<Map.Entry<String, Integer>>(){
public int compare(Map.Entry<String, Integer> o1,Map.Entry<String, Integer> o2) {
if(o1.getValue()==o2.getValue()){
return (o1.getKey()).compareTo(o2.getKey());
}
return o2.getValue()-o1.getValue();
}
});
return verlist;
}
下面主要是我對于IO操作的異常進行處理的基本形式
public static int countChar(String path,int count) throws IOException{
try {
...
} catch (FileNotFoundException e) {
e.printStackTrace();
}finally{
...
}
return count;
}
Part6.性能分析
以下主要是調用各個不同類中的接口，是以Main中的覆寫率會為0，整體的情況符合正常的操作結果。
進行單元測試的過程中，可通過如下的報錯來尋找自己的疏漏之處，每一環節都能夠很好的定位到。
Part7.感想
有了初步的構思以後，邊學習邊敲java代碼，實踐中去逐漸的完善自己，總體來說，我對自己的表現還是挺滿意的。過程中接觸了單元測試，找到了自己許多原先疏漏的小細節，在逐漸改進之下完善着自己的代碼。怎麼說呢，可能還是自己的慢性子的原因，每天都在投入時間去邊敲邊改，但是很遺憾，得出最終成果的時間還是壓到了接近與deadline之前一些些，是以我對自己下一次任務的期望是自己能夠有更高的效率，達到更好的效果，以上。
也希望大家能夠對我提出寶貴的意見，謝謝大家，小廢的程式員之路道阻且長......
Part8.後記
後續在完成作業以後，看到了許多同學都有意識的去讨論測試資料的大小問題，是以自己也做了一下大型文本的測試，果然發現出錯。總結一下自己得出的結論：String對于連接配接操作(“+”)效率很低，是以導緻了我程式一直沒辦法正常運作，後改用StringBuilder,利用.append()方法來進行文本的逐行拼接，成功解決了上述所困擾我的問題。(更新代碼内容詳見github源碼部分)，後續将會對為什麼String效率低的問題分析好後作出解釋，暫告一段落，謝謝(附上大型資料測試情況)
這裡簡單的結合office word自帶的字數統計功能校驗如下：