Objective-C 查找 NSString 中最常用的词

Posted 2023-03-04

【中文标题】Objective-C 查找 NSString 中最常用的词

【英文标题】：Objective-C Find the most commonly used words in an NSString

【发布时间】：2011-09-11 19:31:48

【问题描述】：

我正在尝试写一个方法：

- (NSDictionary *)wordFrequencyFromString:(NSString *)string 

返回的字典将包含单词以及它们在提供的字符串中的使用频率。不幸的是，我似乎无法找到一种方法来遍历字符串中的单词来分析每个单词 - 只有每个字符看起来比必要的工作多一点。有什么建议吗？

【问题讨论】：

请记住，如果您希望它变得非常简单，那么这可能比您想象的要多一些工作。连字符是否标记单词的结尾？破折号？日本的は呢？

【参考方案1】：

NSString 有-enumerateSubstringsInRange: 方法，允许直接枚举所有单词，让标准api 做所有必要的事情来定义单词边界等：

[s enumerateSubstringsInRange:NSMakeRange(0, [s length])
                      options:NSStringEnumerationByWords
                   usingBlock:^(NSString *substring, NSRange substringRange, NSRange enclosingRange, BOOL *stop) 
                       NSLog(@"%@", substring);
                   ];

在枚举块中，您可以使用 NSDictionary，将单词作为键，将 NSNumber 作为计数，或者使用为计数提供所需功能的NSCountedSet。

【参考方案2】：

您可以使用componentsSeparatedByCharactersInSet: 拆分字符串，NSCountedSet 将为您计算字数。

1) 使用标点符号、空格和换行符的组合将字符串拆分为单词：

NSMutableCharacterSet *separators = [NSMutableCharacterSet punctuationCharacterSet];
[separators formUnionWithCharacterSet:[NSCharacterSet whitespaceAndNewlineCharacterSet]];

NSArray *words = [myString componentsSeparatedByCharactersInSet:separators];

2) 统计单词的出现次数（如果要忽略大小写，可以在将字符串拆分为组件之前执行NSString *myString = [originalString lowercaseString];）：

NSCountedSet *frequencies = [NSCountedSet setWithArray:words];
NSUInteger aWordCount = [frequencies countForObject:@"word"]);

如果你愿意改变你的方法签名，你可以只返回计数集。

【参考方案3】：

首先使用-[NSString componentsSeparatedByCharactersInSet:] 将字符串拆分为单词数组。 （使用[[NSCharacterSet letterCharacterSet] invertedSet] 作为参数来分割所有非字母字符。）

【讨论】：

然后，只需使用数组中的单词（元素）作为键，使用 NSNumber 作为字典的值。这简化了您比较字符串的工作——NSDictionary 将为您完成这项工作。

【参考方案4】：

我使用以下方法从 NSString 中获取最常用的单词。

-(void)countMostFrequentWordInSpeech:(NSString*)speechString

    NSString     *string     = speechString;
    NSCountedSet *countedSet = [NSCountedSet new];
    [string enumerateSubstringsInRange:NSMakeRange(0, [string length])
                               options:NSStringEnumerationByWords | NSStringEnumerationLocalized
                            usingBlock:^(NSString *substring, NSRange substringRange, NSRange enclosingRange, BOOL *stop)

                                    [countedSet addObject:substring];
                            ];
    // NSLog(@"%@", countedSet);
    //Sort CountedSet & get most  frequent common word at 0th index of resultant array
    NSMutableArray *dictArray = [NSMutableArray array];
    [countedSet enumerateObjectsUsingBlock:^(id obj, BOOL *stop) 
        [dictArray addObject:@@"object": obj,
                               @"count": @([countedSet countForObject:obj])];
    ];

    NSArray *sortedArrayOfWord= [dictArray sortedArrayUsingDescriptors:@[[NSSortDescriptor sortDescriptorWithKey:@"count" ascending:NO]]];
    if (sortedArrayOfWord.count>0)
    
        self.mostFrequentWordLabel.text=[NSString stringWithFormat:@"Frequent Word: %@", [[sortedArrayOfWord[0] valueForKey:@"object"] capitalizedString]];
    

"speechString" 是我的字符串，我必须从中获取最常用/最常用的单词。数组“sortedArrayOfWord”的第 0 个索引处的对象将是最常见的单词。