词频junit测试

package search;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
import java.util.Scanner;
import java.util.TreeMap;

public class UpdateWordSearch {
	/**
	 * 输入文件 保存分隔后的单词集合 保存统计后的单词集合
	 */
	String article;// 保存文章的内容
	String[] rWords;
	String[] words;
	int[] wordFreqs;// 保存单词对应的词频
	String filename;// 文件名
	// 统计总数
	int total = 0;

	// 构造函数：输入文章的内容
	public UpdateWordSearch() throws IOException {
		Scanner sc = new Scanner(System.in);
		System.out.println("请输入文件名：");
		filename = sc.nextLine();
		File file = new File(filename);
		if (!file.exists()) {
			System.out.println("文件不存在！");
			return;
		}
		BufferedReader bf = new BufferedReader(new FileReader(file));
		StringBuffer article = new StringBuffer(); // 动态字符串数组
		String temp = bf.readLine();
		while (temp != null) {
			article.append(temp + " "); // 往动态字符串数组里添加数据
			temp = bf.readLine();
			if (temp == null) {
				break;
			}
		}
		this.article = article.toString();
	}

	// 分词并统计相应词汇
	public void sWord() {
		// 分词的时候，因为标点符号不参与，所以所有的符号全部替换为空格
		final char SPACE = ' ';
		article = article.replace('\"', SPACE).replace(',', SPACE)
				.replace('.', SPACE).replace('\'', SPACE);
		article = article.replace('(', SPACE).replace(')', SPACE)
				.replace('-', SPACE);
		rWords = article.split("\\s+");// 凡是空格隔开的都算单词，上面替换了',所以I've被分成两个单词
	}

	public List<String> sort() {
		// 将所有出现的字符串放入唯一的list中，不用map，是因为map寻找效率太低了
		List<String> list = new ArrayList<String>();
		for (String word : rWords) {
			list.add(word);
		}
		Collections.sort(list);
		return list;
	}

	// 词汇排序
	public List countWordFreq() {
		// 统计词频信息
		Map<String, Integer> wordsInfo = new TreeMap<String, Integer>();
		String word = ""; // 词频名字
		int count = 0; // 词频数量
		// 统计单词总数
		int total = 0;
		List<String> wordList = sort();
		word = wordList.get(0);
		for (int i = 0; i <= wordList.size(); i++) {
			if (i == wordList.size()) {
				wordsInfo.put(word, count);
				total++;
				break;
			}
			if (wordList.get(i).equals(word)) {
				count++;
			} else {
				wordsInfo.put(word, count);
				total++;
				word = wordList.get(i);
				count = 1;
			}
		}
		// 词频信息排序
		List<Map.Entry<String, Integer>> list = new ArrayList<Map.Entry<String, Integer>>(
				wordsInfo.entrySet());
		Collections.sort(list, new Comparator<Map.Entry<String, Integer>>() {
			@Override
			public int compare(Entry<String, Integer> o1,
					Entry<String, Integer> o2) {
				// TODO Auto-generated method stub
				return o2.getValue().compareTo(o1.getValue());
			}
		});
		this.total = total;
		return list;
	}

	public void run() {
		// 拆分文本
		sWord();
		// 统计词频
		List<Map.Entry<String, Integer>> list = countWordFreq();
		// 打印词频总数
		System.out.println("词频总数：");
		System.out.println("total:" + this.total);
		System.out.println("词频统计信息：");
		// 打印统计词频
		int m = 0;
		for (Map.Entry<String, Integer> mapping : list) {
			if (m < 10) {
				System.out.println(mapping.getKey() + " : "
						+ mapping.getValue());
				m++;
			} else
				break;
		}
	}

	// 测试类的功能
	public static void main(String[] args) throws IOException {
		UpdateWordSearch w = new UpdateWordSearch();
		w.run();
	}
}

下图是词频统计所做的junit测试：