Objective-C encontrar las palabras más utilizadas en un NSString

Question

Estoy tratando de escribir un método:

- (NSDictionary *)wordFrequencyFromString:(NSString *)string {} 

en el diccionario vuelto tendrá las palabras y la frecuencia con que se utilizaron en la cadena entregada. Desafortunadamente, parece que no puedo encontrar una manera de iterar a través de las palabras en una cadena para analizar cada una, solo cada carácter que parece un poco más trabajo de lo necesario. ¿Alguna sugerencia?

Answer 1

NSString tiene -enumerateSubstringsInRange: método que permite enumerar todas las palabras directamente, dejando API estándar para hacer todo lo necesario para definir los límites de palabras, etc:

[s enumerateSubstringsInRange:NSMakeRange(0, [s length]) 
         options:NSStringEnumerationByWords 
        usingBlock:^(NSString *substring, NSRange substringRange, NSRange enclosingRange, BOOL *stop) { 
         NSLog(@"%@", substring); 
        }]; 

En el bloque de enumeración puede utilizar cualquiera NSDictionary con palabras como llaves y NSNumber como sus conteos, o use NSCountedSet que proporciona la funcionalidad requerida para conteos.

Answer 2

Primero divida la cadena en una matriz de palabras usando -[NSString componentsSeparatedByCharactersInSet:]. (Use [[NSCharacterSet letterCharacterSet] invertedSet] como argumento para dividir en todos los caracteres que no sean letras.)

Answer 3

Puede usar componentsSeparatedByCharactersInSet: para dividir la cadena y NSCountedSet contará las palabras por usted.

1) Dividir la cadena en palabras usando una combinación de la puntuacion, espacios en blanco y carácter de línea fija:

NSMutableCharacterSet *separators = [NSMutableCharacterSet punctuationCharacterSet]; 
[separators formUnionWithCharacterSet:[NSCharacterSet whitespaceAndNewlineCharacterSet]]; 

NSArray *words = [myString componentsSeparatedByCharactersInSet:separators]; 

2) contar las apariciones de las palabras (si quieres hacer caso omiso de las mayúsculas, se puede NSString *myString = [originalString lowercaseString]; hacer antes de dividir la cadena en componentes):

NSCountedSet *frequencies = [NSCountedSet setWithArray:words]; 
NSUInteger aWordCount = [frequencies countForObject:@"word"]); 

Si usted está dispuesto a cambiar su método de firma, puede simplemente devolver el conjunto contado.

Answer 4

Utilicé el siguiente enfoque para obtener la palabra más común de NSString.

-(void)countMostFrequentWordInSpeech:(NSString*)speechString 
{ 
    NSString  *string  = speechString; 
    NSCountedSet *countedSet = [NSCountedSet new]; 
    [string enumerateSubstringsInRange:NSMakeRange(0, [string length]) 
           options:NSStringEnumerationByWords | NSStringEnumerationLocalized 
          usingBlock:^(NSString *substring, NSRange substringRange, NSRange enclosingRange, BOOL *stop){ 

            [countedSet addObject:substring]; 
          }]; 
    // NSLog(@"%@", countedSet); 
    //Sort CountedSet & get most frequent common word at 0th index of resultant array 
    NSMutableArray *dictArray = [NSMutableArray array]; 
    [countedSet enumerateObjectsUsingBlock:^(id obj, BOOL *stop) { 
     [dictArray addObject:@{@"object": obj, 
           @"count": @([countedSet countForObject:obj])}]; 
    }]; 

    NSArray *sortedArrayOfWord= [dictArray sortedArrayUsingDescriptors:@[[NSSortDescriptor sortDescriptorWithKey:@"count" ascending:NO]]]; 
    if (sortedArrayOfWord.count>0) 
    { 
     self.mostFrequentWordLabel.text=[NSString stringWithFormat:@"Frequent Word: %@", [[sortedArrayOfWord[0] valueForKey:@"object"] capitalizedString]]; 
    } 
} 

"speechString" es mi cadena de la que tengo que obtener las palabras más frecuentes/comunes. Objeto en el 0 ° índice de la matriz "sortedArrayOfWord" sería la palabra más común.