Scala函数式编程：如何找出文本文件中出现次数最多的单词？

需求说明 #

找出文本文件中出现次数最多的单词（忽略大小写，仅保留含A-Z、a-z的单词，忽略数字、标点等）；若多个单词频次相同，需全部列出并显示次数。例如：出现次数最多的单词是["and", "it", "the"]，各出现10次。

现有代码 #

你已经完成了词频统计和降序排序的部分，代码如下：

val counter: Map[String, Int] = scala.io.Source.fromFile(file).getLines
      .flatMap(_.split("[^-A-Za-z]+")).foldLeft(Map.empty[String, Int]) {
      (count, word) => count + (word.toLowerCase -> (count.getOrElse(word, 0) + 1))
    }
val list = counter.toList.sortBy(_._2).reverse

后续处理逻辑 #

在现有代码基础上，只需三步就能得到目标结果：

• 提取最高频次值（利用降序列表的第一个元素）
• 过滤出所有频次等于最高值的单词
• 按要求格式输出结果

完整代码（含修正与后续逻辑） #

// 词频统计与排序（修正了原代码中getOrElse的key问题）
val counter: Map[String, Int] = scala.io.Source.fromFile(file).getLines
      .flatMap(_.split("[^-A-Za-z]+")).foldLeft(Map.empty[String, Int]) {
      (count, word) => 
        val lowerWord = word.toLowerCase
        count + (lowerWord -> (count.getOrElse(lowerWord, 0) + 1))
    }
val sortedList = counter.toList.sortBy(_._2).reverse

// 处理并输出结果
if (sortedList.isEmpty) {
  println("文件中没有符合要求的单词")
} else {
  val maxFrequency = sortedList.head._2
  val topWords = sortedList.filter(_._2 == maxFrequency).map(_._1)
  println(s"出现次数最多的单词是[${topWords.mkString(", ")}]，各出现$maxFrequency次")
}

细节说明 #

• 修正了原代码中count.getOrElse(word, 0)的问题：统计时统一转成小写，所以查询Map的key也应该用小写后的单词，避免统计误差
• 增加了空列表判断：防止文件为空或无有效单词时抛出异常
• 使用mkString将单词列表转为逗号分隔的字符串，匹配需求示例的输出格式

内容的提问来源于stack exchange，提问作者whoisalex