博客
关于我
输入一串字符串看每一个字符的数量
阅读量:653 次
发布时间:2019-03-15

本文共 1837 字,大约阅读时间需要 6 分钟。

IRS字符出现次数统计程序分析

步骤分析

当要求计算一个字符串中各个字符的出现次数时,可以采用以下步骤进行操作

第一步:获取输入字符串

在Java编程中,可以使用Scanner获取用户输入的字符串。这种方法简单且易于实现。通过如下代码可以获取字符串:

Scanner scanner = new Scanner(System.in);System.out.println("请输入你的字符串:");String inputStr = scanner.next();

第二步:创建数据存储结构

为了统计字符出现的次数,可以使用HashMap数据结构。其中,HashMap的键是字符,值是字符的出现次数。具体实现如下:

Map
charCountMap = new HashMap<>();

第三步:遍历字符串

将输入的字符串转换为字符数组,然后遍历每一个字符。对于每一个字符,检查它是否已存在于HashMap中:

for (char c : inputStr.toCharArray()) {    if (charCountMap.containsKey(c)) {        // 如果字符已存在,获取当前值并增加        Integer count = charCountMap.get(c);        count++;        charCountMap.put(c, count);    } else {        // 如果字符不存在,初始化为1        charCountMap.put(c, 1);    }}

第四步:输出结果

使用Map.entrySet()获取所有键值对,然后遍历它们,输出每个字符及其对应的出现次数:

for (Map.Entry
entry : charCountMap.entrySet()) { System.out.println("字符:" + entry.getKey() + ", 出现次数:" + entry.getValue());}

伪代码实现

public class CharacterCount {    public static void main(String[] args) {        // 获取字符串输入        Scanner scanner = new Scanner(System.in);        System.out.println("请输入你的字符串:");        String inputStr = scanner.next();                // 初始化字符计数Map        Map
charCountMap = new HashMap<>(); // 遍历每个字符统计次数 for (char c : inputStr.toCharArray()) { if (charCountMap.containsKey(c)) { charCountMap.put(c, charCountMap.get(c) + 1); } else { charCountMap.put(c, 1); } } // 输出结果 System.out.println("字符出现次数统计结果:"); for (Map.Entry
entry : charCountMap.entrySet()) { System.out.println("字符 '" + entry.getKey() + "' 出现了 " + entry.getValue() + " 次"); } }}

展示效果

输入字符串:sdkafgjhlakjflf34-=

统计结果如下:

  • a: 2
  • d: 1
  • f: 3
  • g: 1
  • h: 1
  • j: 2
  • k: 2
  • l: 2
  • -: 1
  • s: 1
  • 3: 1
  • 4: 1
  • =: 1

以上就是完整的字符串字符出现次数统计程序分析及实现过程

转载地址:http://aljmz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
查看>>
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>