Scala 词频统计：使用 Source 类读取文件并计算单词出现次数

import scala.io.Source // 导入 Scala 标准库中的 Source 类

object shiyan2_3 { // 定义一个名为 shiyan2_3 的对象
  def main(args: Array[String]): Unit = { // 定义一个名为 main 的方法，接收一个字符串数组类型的参数 args，并返回一个 Unit 类型的值
    val filename = 'file.txt' // 定义一个名为 filename 的常量，赋值为字符串 'file.txt'
    val source = Source.fromFile('D:\test.txt') // 从文件中读取数据，返回一个 Source 类型的对象
    val list = source.getLines().toList // 获取 source 对象中的所有行，并将其转换为 List 类型
    source.close() // 关闭 source 对象

    var wordList: List[String] = list.flatMap(_.split(' ')) // 将 list 中的每一行按空格分割成单词，并将所有单词合并到一个 List 中
    var wordtuples:List[(String,Int)] = wordList.map((_,1)) // 将 wordList 中的每个单词转换为一个元组，第一个元素为单词本身，第二个元素为 1

    val wordgroup:Map[String,List[(String,Int)]] = wordtuples.groupBy(kv=>kv._1) // 将 wordtuples 按照第一个元素（即单词本身）进行分组，
    // 返回一个 Map 类型的对象，其中键为单词本身，值为包含该单词所有元组的 List

    var wordcount:Map[String,Int] = wordgroup.mapValues(list=>list.size) // 将 wordgroup 中的每个键值对（即每个单词及其对应的元组 List）
    // 转换为一个新的键值对，其中键为单词本身，值为该单词在元组 List 中出现的次数

    println(wordcount) // 输出 wordcount
  }
}

代码解析：

导入 Source 类：

import scala.io.Source

导入 Scala 标准库中的 Source 类，用于读取文件数据。

定义对象：

object shiyan2_3 {
  // ...
}

定义一个名为 shiyan2_3 的对象，用于存放代码的逻辑。

定义 main 方法：

def main(args: Array[String]): Unit = {
  // ...
}

定义一个名为 main 的方法，这是程序的入口点。它接收一个字符串数组类型的参数 args，并返回一个 Unit 类型的值（表示没有返回值）。

定义文件名：

val filename = 'file.txt'

定义一个名为 filename 的常量，赋值为字符串 'file.txt'，用于存储要读取的文件名。

读取文件数据：

val source = Source.fromFile('D:\test.txt')

使用 Source.fromFile 方法从指定的路径 'D:\test.txt' 读取文件数据，并返回一个 Source 类型的对象。

获取所有行：

val list = source.getLines().toList

使用 source.getLines() 方法获取文件中的所有行，并使用 toList 方法将其转换为 List 类型。

关闭文件：

source.close()

使用 source.close() 方法关闭文件，释放资源。

将文本分割成单词：

var wordList: List[String] = list.flatMap(_.split(' '))

使用 flatMap 方法遍历 list 中的每一行，并使用 split(' ') 方法按空格将每一行分割成单词，最终将所有单词合并到一个新的 List 中。

创建单词元组：

var wordtuples:List[(String,Int)] = wordList.map((_,1))

使用 map 方法遍历 wordList 中的每个单词，并将其转换为一个元组，第一个元素为单词本身，第二个元素为 1（表示该单词出现 1 次）。

分组单词：

val wordgroup:Map[String,List[(String,Int)]] = wordtuples.groupBy(kv=>kv._1)

- 使用 groupBy 方法将 wordtuples 按照第一个元素（即单词本身）进行分组，并返回一个 Map 类型的对象。Map 的键为单词本身，值为包含该单词所有元组的 List。

统计单词出现次数：

var wordcount:Map[String,Int] = wordgroup.mapValues(list=>list.size)

- 使用 mapValues 方法遍历 wordgroup 中的每个键值对，并将其转换为一个新的键值对。新的键值对的键为单词本身，值为该单词在元组 List 中出现的次数（即该单词出现的总次数）。

输出结果：

println(wordcount)

- 使用 println 方法输出 wordcount，即每个单词及其出现次数的统计结果。

示例：

假设 'D:\test.txt' 文件内容为：

This is a test file.
This is a test file.

则程序输出的结果为：

Map(This -> 2, is -> 2, a -> 2, test -> 2, file -> 2)

总结：

本示例使用 Scala 语言的 Source 类读取文本文件，并计算文件中每个单词出现的次数。代码包含详细的注释，解释了每个步骤的实现逻辑。