17370845950

本文介绍使用 treemap 配合 string.case_insensitive_order 实现**大小写不敏感分组、但保留首次出现形式作为键名**的词频统计方法，并提供简洁、线程安全（可选）、符合语义要求的实现方案。

在处理字符串数组的词频统计时，一个常见但易被忽视的需求是：分组逻辑需忽略大小写（如 "AA"、"Aa"、"aa" 视为同一类），但最终的键必须是该类中第一次出现的原始字符串形式。例如输入 ["AA", "Bb", "Aa", "aa", "BB"]，期望输出 {AA=3, Bb=2} —— 其中 "AA" 和 "Bb" 并非字典序最小或任意选取，而是它们各自等价组中首次出现的原始形态。

直接使用 HashMap 或 ConcurrentHashMap 并手动遍历比对（如问题中嵌套循环的实现）不仅时间复杂度高（O(n²)），而且逻辑易错（例如原代码中 else { hm.put(s, 1); } 会在每次未匹配时重复插入，导致错误计数）。更优解是利用 TreeMap 的有序性与自定义比较器能力：

import java.util.TreeMap;

final TreeMap wordCount = new TreeMap<>(String.CASE_INSENSITIVE_ORDER);
final String[] words = {"AA", "Bb", "Aa", "aa", "BB"};

for (final String word : words) {
    wordCount.merge(word, 1, Integer::sum);
}

System.out.println(wordCount); // 输出: {AA=3, Bb=2}

✅ 原理说明：

• String.CASE_INSENSITIVE_ORDER 作为 TreeMap 构造参数，确保所有“忽略大小写相等”的字符串被归入同一逻辑键位置；
• merge(key, value, remappingFunction) 方法会先用比较器查找是否存在等价键：若找到（即已有某 s0 满足 s0.equalsIgnoreCase(word)），则对 s0 对应的值执行累加；若未找到，则将当前 word 作为新键插入 —— 这恰好保证了键始终是该等价组中第一个被 merge 处理的原始字符串，完美满足“以首次出现形式为键”的需求。

⚠️ 注意事项：

• TreeMap 非线程安全。如需并发环境使用，可考虑 Collections.synchronizedSortedMap(new TreeMap(...))，或改用 ConcurrentSkipListMap（注意：它不支持 CASE_INSENSITIVE_ORDER 直接构造，需自定义 Comparator 并确保其满足 ConcurrentSkipListMap 的约束）；
• merge() 是 Java 8 引入的推荐写法，替代了冗长的 containsKey() + get() + put() 组合，语义清晰且原子性强；
• 此方案天然保持插入顺序的“首次代表”，无需额外缓存或标记，简洁高效。

总结：借助 TreeMap 的定制化排序能力与 merge() 的语义精准性，我们以 O(n log k) 时间复杂度（k 为去重后组数）优雅解决了大小写不敏感分组 + 首次形态建键这一典型文本处理需求。