Java 統計字符串/文件中指定字符出現次數的高效實現

前言

統計字符/子串出現次數是常見文本處理需求。本文提供文件級與內存級兩種實現，並分析時間/空間複雜度。

方案一：文件流逐行讀取 + indexOf 循環（適合大文件）

public static int countInFile(String filePath, String target) throws IOException {
    try (BufferedReader br = new BufferedReader(new FileReader(filePath))) {
        StringBuilder sb = new StringBuilder();
        String line;
        while ((line = br.readLine()) != null) sb.append(line);
        return countInString(sb.toString(), target);
    }
}

private static int countInString(String text, String target) {
    int count = 0, idx = 0;
    while ((idx = text.indexOf(target, idx)) != -1) {
        count++;
        idx += target.length();  // 非重疊匹配；若需重疊用 idx++
    }
    return count;
}

特點：流式讀取，內存佔用 ≈ 文件大小（可改用 MappedByteBuffer 零拷貝優化）。

方案二：純內存字符串統計（適合中小文本）

// Apache Commons Lang 一行式
int count = StringUtils.countMatches(text, target);

// 或手寫（同上 indexOf 邏輯）
public static int countMatches(String text, String target) {
    if (text == null || target == null || target.isEmpty()) return 0;
    int count = 0, idx = 0;
    while ((idx = text.indexOf(target, idx)) != -1) {
        count++;
        idx += target.length();
    }
    return count;
}

方案三：正則表達式（功能最強，性能稍弱）

public static int countRegex(String text, String regex) {
    Matcher m = Pattern.compile(regex).matcher(text);
    int count = 0;
    while (m.find()) count++;
    return count;
}
// 用法：countRegex("ababa", "aba") → 1（非重疊）；重疊需用 lookahead "(?=aba)"

性能對比（百萬字符級測試參考）

進階：重疊匹配統計

// 文本 "aaa" 統計 "aa" 出現 2 次（位置 0、1）
public static int countOverlapping(String text, String target) {
    int count = 0, idx = 0;
    while ((idx = text.indexOf(target, idx)) != -1) {
        count++;
        idx++;  // 只移動一位，允許重疊
    }
    return count;
}
// 正則寫法：Pattern.compile("(?=" + Pattern.quote(target) + ")")

總結建議

• 固定子串、高性能 → indexOf 循環 / StringUtils.countMatches。
• 大文件 → 流式讀取 + indexOf，避免一次性載入內存。
• 複雜模式/重疊 → 正則 lookahead。
• 引入 commons-lang3 依賴可直接用 StringUtils，生產級項目推薦。