[java]wordcount程序

词数统计系统。

作业解析：这次作业的内容是从本地读取一个程序代码，计算出这个程序中的行数，单词数，也可进行拓展。

实现语言：java

编程思路：

程序是由各种单词和符号组成的，单词包括关键字，标识符这些单词组成的，符号包括各种运算符或者是分隔符...在这里统分为字符和单词。

在java语言中，可以实例化一个FileReader内读取程序，再使用BufferReader从字符输入流中读取文本并将字符存入缓冲区以便能提供字符、数组和线段的高效读取，BufferReader类的readline()函数能够读取一个文本行，返回一个字符串。这时可以使用String类的split()函数，split()函数能够分割字符串，参数为正则表达式，返回值为一个字符串数组。写程序中遇到的困难基本都出在这里，下边会细说。之后便可以针对分割结果进行计数，运行结果如下图，图1是运行结果，图2 是测试的程序。

调试过程：

1. 这测试的过程中发现统计的行数总会莫名其妙的多很多，经过一番查找，发现是那些以字符结尾，然后换行的句子会出现这个问题，一番查找之后了解到split()函数在同时遇到多个需要剔除的字符时，会在返回结果里创建一个“”的元素，加一个判断结构便解决了问题。
2. 在书写的正则表达式里含有.|(){}会报错，查看了之后有两个原因：1°.|为转义字符，前边需要添加\。2°编译器会把表达式内的(){}识别为运算符(){}导致语法错误。

图1

图2

经验总结：写这个程序学习另一个很重要的知识--正则表达式，下面简单概括一下正则表达式。

定义与用途：正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串，在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

由此可知，我们可以使用正则表达式对给定字符串进行匹配，查看它是否满足我们定下的正则表达规则。与此相似，我们也可以通过正则表达式从字符串中获取我们需要的部分。

语法：正则表达式是由一些普通字符和一些元字符组成的。其中普通字符包括大小写的字母和数字，而元字符则具有特殊的含义。

一个正则表达式通常被称为一个模式（pattern），为用来描述或者匹配一系列符合某个句法规则的字符串。例如：Handel、Händel和Haendel这三个字符串，都可以由“H(a|ä|ae)ndel”这个模式来描述。大部分正则表达式的形式都有如下的结构：

选择

|竖直分隔符代表选择。例如“gray|grey”可以匹配grey或gray。

数量限定

某个字符后的数量限定符用来限定前面这个字符允许出现的个数。最常见的数量限定符包括“+”、“?”和“*”（不加数量限定则代表出现一次且仅出现一次）：

+加号代表前面的字符必须至少出现一次。（1次、或多次）。例如，“goo+gle”可以匹配google、gooogle、goooogle等;

?问号代表前面的字符最多只可以出现一次。（0次、或1次）。例如，“colou?r”可以匹配color或者colour;

*星号代表前面的字符可以不出现，也可以出现一次或者多次。（0次、或1次、或多次）。例如，“0*42”可以匹配42、042、0042、00042等。

匹配

圆括号可以用来定义操作符的范围和优先度。例如，“gr(a|e)y”等价于“gray|grey”，“(grand)?father”匹配father和grandfather。

上述这些构造子都可以自由组合，因此，“H(ae?|ä)ndel”和“H(a|ae|ä)ndel”是相同的。

精确的语法可能因不同的工具或程序而异。

维基百科，词条：正则表达式

因为还没有更深入的使用，就先总结到这里，毫无疑问，正则表达式是一个很强大的工具。