首页 > 后端开发 > Golang > 正文

编写一个Golang程序来计算一个大型文本文件中单词出现的频率

P粉602998670
发布: 2025-09-10 11:55:07
原创
961人浏览过
答案:使用Go语言编写程序,通过bufio逐行读取大文件,结合正则提取单词并用map统计频率,最后按频次降序输出前20个单词。

编写一个golang程序来计算一个大型文本文件中单词出现的频率

要编写一个 Go 程序来高效计算大型文本文件中单词的出现频率,可以使用 bufio.Scanner 逐行读取文件,避免将整个文件加载到内存中。同时,使用正则表达式提取单词,并通过 map 统计频率。

完整代码示例

以下是一个完整的 Golang 程序,用于统计大型文本文件中单词的频率:

package main

import (
    "bufio"
    "fmt"
    "io"
    "os"
    "regexp"
    "strings"
)

// wordPattern 定义单词匹配的正则表达式(只保留字母和数字)
var wordPattern = regexp.MustCompile(`[a-zA-Z0-9]+`)

// countWords 读取文件并返回单词频率映射
func countWords(filename string) (map[string]int, error) {
    file, err := os.Open(filename)
    if err != nil {
        return nil, err
    }
    defer file.Close()

    wordCount := make(map[string]int)
    scanner := bufio.NewScanner(file)
    scanner.Buffer(nil, 64*1024*1024) // 设置大缓冲区以支持大行

    for scanner.Scan() {
        line := scanner.Text()
        words := wordPattern.FindAllString(line, -1)
        for _, word := range words {
            word = strings.ToLower(word)
            wordCount[word]++
        }
    }

    if err := scanner.Err(); err != nil && err != io.EOF {
        return nil, err
    }

    return wordCount, nil
}

func main() {
    if len(os.Args) != 2 {
        fmt.Println("用法: go run wordfreq.go <文件名>")
        os.Exit(1)
    }

    filename := os.Args[1]
    wordCount, err := countWords(filename)
    if err != nil {
        fmt.Printf("读取文件失败: %v\n", err)
        os.Exit(1)
    }

    // 打印最常见的前20个单词
    type kv struct {
        Key string
        Value int
    }
    var ss []kv
    for k, v := range wordCount {
        ss = append(ss, kv{k, v})
    }
    // 按频率降序排序
    for i := 0; i < len(ss); i++ {
        for j := i + 1; j < len(ss); j++ {
            if ss[i].Value < ss[j].Value {
                ss[i], ss[j] = ss[j], ss[i]
            }
        }
    }
    fmt.Println("出现频率最高的前20个单词:")
    for i := 0; i < len(ss) && i < 20; i++ {
        fmt.Printf("%s: %d\n", ss[i].Key, ss[i].Value)
    }
}

程序特点说明

内存效率:使用 bufio.Scanner 逐行读取,适合处理 GB 级文本文件。

立即学习go语言免费学习笔记(深入)”;

单词提取:正则表达式 [a-zA-Z0-9]+ 提取字母数字组合,忽略标点符号。

大小写不敏感:所有单词转为小写,确保 "The" 和 "the" 被视为同一个词。

文心大模型
文心大模型

百度飞桨-文心大模型 ERNIE 3.0 文本理解与创作

文心大模型 56
查看详情 文心大模型

错误处理:检查文件打开和读取过程中的错误,避免程序崩溃。

使用方法

将代码保存为 wordfreq.go,然后运行:

go run wordfreq.go largefile.txt

确保文件路径正确。程序会输出频率最高的前 20 个单词。

可选优化建议

若需更高性能,可考虑使用 goroutine 分块处理文件(需注意并发 map 写入),或使用 sort.Slice 替代手动排序。

基本上就这些。这个程序简洁、高效,适用于大多数大文本词频统计场景。

以上就是编写一个Golang程序来计算一个大型文本文件中单词出现的频率的详细内容,更多请关注php中文网其它相关文章!

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号