Java HashSet对txt文本内容去重（统计小说用过的字或字数）

Java HashSet对txt文本内容去重（统计小说用过的字或字数）

基本思路：

1、字节流读需要去重的txt文本。（展示demo为当前workspace下名为utf-8.txt的文本）

2、对读取到的单个字节判断

（1）如果为字母或特殊字符。操作（2）

（2）添加到HashSet中，如果HashSet.add()返回true代表该字符添加到HashSet失败，即字符未出现过，故对其做写操作。（展示demo写到的是当前workspace下的u.txt）

（3）如果为中文字符，根据txt文本编码取对应字节数（如：utf-8编码三个字节，gbk编码两个字节,展示demo为utf-8编码的txt文本），操作（2）

尤其注意文本编码格式

3、关闭流

如需统计字数即两个HashSet的长度相加即可，本文未写出。

展示demo

        FileInputStream fileInputStream = new FileInputStream("utf8.txt");
        FileOutputStream fileOutputStream=new FileOutputStream("u.txt");
        int len = 0;
        HashSet<Integer> c = new HashSet<>();
        HashSet<String> z = new HashSet<>();
        while ((len = fileInputStream.read()) != -1) {
            if (1 <= len && len <= 127) {//ascii码值判断是否为字母或特殊字符
                if (c.add(len)){
                    //System.out.printf(String.valueOf((char) len));
                    fileOutputStream.write(len);
                }
            } else {
                int first = len;
                int second = fileInputStream.read();
                int third = fileInputStream.read();
                //一个字符对应三个字节
                byte[] bytes = {(byte) first, (byte) second, (byte) third};
                if ( z.add(bytes)){
                    //System.out.print(new String(bytes));
                    fileOutputStream.write(bytes);
                }
            }
        }

仅提供思路，写法不一定是最好的。

有问题请私聊我。