搜索字谜时，是否可以保持单词的大写和小写？

Posted 2023-02-19

我需要编写一个程序，将整个文本文件读入字符串并在其中搜索字谜。输出必须是同一行中所有相同类型的字谜，且其原始大小写相同。

我尝试了以下操作，但没有得到想要的结果（显然都是小写）：

String input = inputStringBuilder.toString();
input = input.replaceAll("[^äÄöÖüÜßa-zA-Z ]", "").toLowerCase();
String[] sentence = input.split(" ");

Map<String, Set<String>> anagrams = new HashMap<>();

for(int i = 0; i < sentence.length; i++)

        char[] charwords = sentence[i].toCharArray();

        Arrays.sort(charwords);

        String key = new String(charwords);

        Set<String> anagramSet = anagrams.get(key);
        if (anagramSet == null) 
          anagramSet = new HashSet<>();
          anagrams.put(key, anagramSet);
        

   anagramSet.add(sentence[i]);

答案

首先您需要移动toLowerCase()呼叫。

input = input.replaceAll("[^äÄöÖüÜßa-zA-Z ]", ""); // <== Removed from here
String[] sentence = input.split(" ");

Map<String, Set<String>> anagrams = new HashMap<>();

for(int i = 0; i < sentence.length; i++)

        char[] charwords = sentence[i].toLowerCase().toCharArray(); // <== Added here

        Arrays.sort(charwords);

        String key = new String(charwords);

        Set<String> anagramSet = anagrams.get(key);
        if (anagramSet == null) 
          anagramSet = new HashSet<>();
          anagrams.put(key, anagramSet);
        

   anagramSet.add(sentence[i]);

接下来，您需要从anagrams映射中消除不包含任何实际字谜的条目。

问题码中完全没有此步骤，其中Set大小为1的地图条目不是实际的字谜。

[现在Set包含具有其原始大小写的单词，假设没有real字谜，可能会出现像"The"和"the"这样的非字谜，并且也必须消除。如果有实字词，应保留各种大小写形式。

要检查这一点，请添加将所有单词都放入小写的集合中，并消除此新集合的大小是否为1，否则保留大小写集合。

// code from above here
for (Iterator<Set<String>> iter = anagrams.values().iterator(); iter.hasNext(); ) 
    Set<String> words = iter.next();
    if (words.size() == 1) 
        iter.remove(); // Not anagram: Single spelling only
     else 
        Set<String> lower = new HashSet<>();
        for (String word : words)
            lower.add(word.toLowerCase());
        if (lower.size() == 1) 
            iter.remove(); // Not anagram: Multiple case variants, but all same spelling
        
    

Test

Input:  This is a test of 'the' and 'The'
Result: 

Input:  This is a test of 'the', 'The', and 'eth'
Result: eht=[the, The, eth]

---

如果您不想保留同一单词的所有大小写变体，则只需使用new TreeSet<>(String.CASE_INSENSITIVE_ORDER) 使设置的大小写不敏感。

（代码压缩，其中一些使用Java 8功能）

Map<String, Set<String>> anagrams = new HashMap<>();
for (String word : input.replaceAll("[^äÄöÖüÜßa-zA-Z ]", "").split(" ")) 
    char[] letters = word.toLowerCase().toCharArray();
    Arrays.sort(letters);
    String key = new String(letters);
    anagrams.computeIfAbsent(key, k -> new TreeSet<>(String.CASE_INSENSITIVE_ORDER))
            .add(word);

anagrams.values().removeIf(words -> words.size() == 1);

Test

Input:  This is a test of 'the' and 'The'
Result: 

Input:  This is a test of 'the', 'The', and 'eth'
Result: eht=[eth, the]

Input:  This is a test of 'The', 'the', and 'eth'
Result: eht=[eth, The]