README.md

Задание 1. Контейнеры, IO потоки, классы Object и String.

Условия

Написать программу, которая будет принимать в качестве аргумента имя текстового файла, и выводить CSV файл с колонками:

1. Слово.
2. Частота.
3. Частота (в %).

CSV файл должен быть упорядочен по убыванию частоты, то есть самые частые слова должны идти в начале. Разделителями слов считать все символы, кроме букв и цифр.

Методические указания:

• Использовать класс java.lang.StringBuilder для построения слов.
• Для чтения из файла удобно использовать java.io.InputStreamReader, например:

Reader reader = null;
try
{
    reader = new InputStreamReader(new FileInputStream("FILE NAME"));
    // read the data here
}
catch (IOException e)
{
    System.err.println("Error while reading file: " + e.getLocalizedMessage());
}
finally
{
    if (null != reader)
    {
        try
        {
            reader.close();
        }
        catch (IOException e)
        {
            e.printStackTrace(System.err);
        }
    }
}

• Для определения класса символа использовать метод Character.isLetterOrDigit.
• Для хранения статистики в памяти можно использовать одну из реализаций интерфейса java.util.Set, который должен будет хранить объекты специального класса. Данный класс должен содержать слово и счётчик. В случае использования java.util.HashSet класс также должен реализовать методы equals, hashCode.

Теоретические сведения:

Контейнеры стандартной библиотеки расположены в пакете java.util. IO классы (потоки ввода-вывода) располагаются в пакете java.io. Основные интерфейсы:

1. Set – множество без дубликатов и без доступа по индексу.
2. Map – множество пар ключ-значение, где ключи не повторяются.

Их основные реализации:

1. HashMap, HashSet — реализации на основе функции hashCode.
2. TreeMap, TreeSet – реализация на основе бинарного дерева. Ключи (элементы) должны реализовывать интерфейс Comporable, иначе необходимо передавать в контейнер при его создании объект, реализующий интерфейс Comparator. Хранимые в данных контейнерах данные упорядочены. Лучшее время поиска, но большее накладные расходы на вставку, чем на основе функции hashCode.