用 hashmap 统计单词频次最直接：键存单词、值存次数；需统一转小写、正确处理标点和空白字符、显式指定文件编码、过滤空串，jdk 8+ 推荐用 merge 或 getordefault 安全累加。
用 HashMap 统计单词频次最直接
Java 里做单词统计，HashMap<string integer></string> 是最自然的选择：键存单词，值存出现次数。别一上来就用 TreeMap 或 LinkedHashMap——除非你明确需要排序或插入顺序，否则纯增加开销。
常见错误是每次 put 前不检查 key 是否存在，写成 map.put(word, map.get(word) + 1)，结果 map.get(word) 返回 null，拆箱时报 NullPointerException。
- 用
map.merge(word, 1, Integer::sum)一行搞定累加，JDK 8+ 推荐 - 或者先
map.getOrDefault(word, 0)再put，安全且易读 - 注意大小写：一般需求要统一转
toLowerCase()，否则"Hello"和"hello"算两个词
String.split() 切单词时正则别写错
用 split() 提取单词最常用，但很多人卡在分隔符上。写 str.split(" ") 只能切空格，遇到制表符、换行、多个连续空格就漏词；写 str.split("\s+") 才真正匹配所有空白字符（包括 Unicode 空白）。
更关键的是：英文文本里单词边界不只有空格，还有标点。直接 split("\s+") 会把 "word," 当作一个“单词”，逗号跟着进去了。
立即学习“Java免费学习笔记（深入）”；
- 稳妥做法是先用
replaceAll("[^a-zA-Z0-9\s]", " ")把标点全替成空格，再split("\s+") - 或者一步到位用
Pattern.compile("\b[a-zA-Z]+\b").matcher(str)配合循环提取，更准但稍重 - 避免用
split("")或split("(?!^)")拆单字——这不是单词统计，是字符统计
处理文件输入时别忽略编码和空行
从文件读单词，Files.readAllLines(path) 默认用 UTF-8，但如果文件是 GBK 编码（比如 Windows 记事本默认保存），中文就会变乱码，连带影响单词切分逻辑。
另外，文件里常有空行、纯空白行，split 后可能产生空字符串，不过滤就塞进 HashMap，导致 "" 被当做一个“单词”统计一次。
- 读文件务必显式指定编码：
Files.readAllLines(path, StandardCharsets.UTF_8) - 每行处理前加
line = line.trim()，再判断line.isEmpty()跳过 - split 后用
Arrays.stream(parts).filter(s -> !s.isEmpty())过滤空串，比手动循环更稳
性能敏感时慎用 String.substring() 配合 split()
大文本（比如几十 MB 日志）做单词统计，频繁调用 split() 会产生大量临时 String 对象，GC 压力明显。不是说不能用，而是得知道代价在哪。
真正瓶颈往往不在 Map 更新，而在字符串切分本身——split() 底层用 Pattern 编译正则，每次调用都走一遍匹配流程。
- 如果只是简单空格分隔，用
Scanner配合useDelimiter("\s+")流式读取，内存更友好 - 对超大文件，考虑用
BufferedReader.readLine()逐行读，每行内用indexOf+substring手动找单词边界，绕过正则引擎 -
split()返回的数组长度，和原始字符串长度无关，但和分隔符出现频次强相关——标点多的文本，数组创建开销更大
实际写的时候，先跑通逻辑，再看 profiling 数据。多数小工具根本不需要优化到这一步，但得知道哪块容易拖慢。
