如何在 Java 中按首次出现的单词（大小写敏感）统计词频

本文介绍使用 treemap 配合 string.case_insensitive_order 比较器，实现“忽略大小写分组、保留首次出现形式作为键”的单词频次统计，适用于需保持原始大小写标识的场景。

在实际开发中，我们常需统计字符串数组中单词的出现次数，但要求：分组逻辑不区分大小写（如 "AA"、"Aa"、"aa" 视为同一类），而最终的键必须是该类中首次出现的原始字符串（如第一个出现的是 "AA"，则结果中键为 "AA"，而非标准化后的 "aa"）。这与简单地统一转小写（s.toLowerCase()）再计数不同——后者会丢失原始格式，也无法满足“以首次出现为准”的业务约束。

Java 的 TreeMap 提供了完美的解决方案：它支持自定义比较器，且在插入时根据比较逻辑判断键是否“已存在”。利用 String.CASE_INSENSITIVE_ORDER 作为比较器，TreeMap 会将 "AA"、"Aa"、"aa" 视为相等键，从而确保它们映射到同一个桶；更重要的是，TreeMap 不会覆盖已有键，而是保留第一次成功插入的键对象本身——这正是我们所需的“首现优先”行为。

以下是简洁、线程安全（若需并发可搭配 Collections.synchronizedMap）、符合语义的实现：

import java.util.*;

public class CaseInsensitiveFirstOccurrenceCounter {
    public static void main(String[] args) {
        final TreeMap counter 
            = new TreeMap<>(String.CASE_INSENSITIVE_ORDER);

        final String[] words = {"AA", "Bb", "Aa", "aa", "BB"};

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

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

        // 再验证另一组示例
        final String[] words2 = {"AAa", "aaa", "BBB", "bbb", "BbB", "AaA", "AAc"};
        final TreeMap counter2 
            = new TreeMap<>(String.CASE_INSENSITIVE_ORDER);

        for (final String word : words2) {
            counter2.merge(word, 1, Integer::sum);
        }

        System.out.println(counter2); // 输出: {AAa=3, BBB=3, AAc=1}
    }
}

✅ 关键原理说明：

• String.CASE_INSENSITIVE_ORDER.compare("AA", "aa") == 0 → 被视为相同键；
• TreeMap.put("AA", 1) 后，再 put("aa", 1) 不会替换键 "AA"，而是更新其值（通过 merge 实现累加）

  

  ；
• 因此，键始终是该等价类中第一个被插入的原始字符串，天然满足“首次出现形式为键”的需求。

⚠️ 注意事项：

• TreeMap 是有序映射（按比较器排序），若无需排序，可改用 LinkedHashMap + 手动维护首次键映射表，但代码复杂度显著上升；
• ConcurrentHashMap 不支持自定义比较器，原问题中尝试的嵌套遍历 keySet 方式存在竞态风险且效率低（O(n²)），应避免；
• merge() 方法是 Java 8 引入的原子操作，等价于 map.compute(key, (k, v) -> (v == null) ? 1 : v + 1)，简洁且线程安全（在单个 map 操作层面）。

综上，TreeMap 配合 String.CASE_INSENSITIVE_ORDER 是解决该问题最优雅、高效且语义清晰的标准方案。