Как подсчитать количество слов и отфильтровать по длине

Что проверяют

Простую задачу дают, чтобы посмотреть на крайние случаи и на владение Stream API. Интервьюер ждёт встречных вопросов: что считать словом, как быть с пунктуацией, нужна ли частота каждого слова. Следом обычно просят посчитать повторы и вывести самые частые слова.

Как отвечать

Сначала уточните условия, потом пишите код. Разбиение text.split("\\s+") ломается в двух случаях: строка с ведущим пробелом даёт первым элементом пустую строку, а пустой ввод даёт массив из одного "", то есть «одно слово». Надёжнее делить по всему, что не буква и не цифра, и отбрасывать пустые куски:

• разбиение: Pattern.compile("[^\\p{L}\\p{N}]+") и splitAsStream(text), затем .filter(w -> !w.isEmpty()). Класс \\p{L} покрывает кириллицу, а \\w без флага UNICODE_CHARACTER_CLASS её не видит;
• нормализация: toLowerCase(Locale.ROOT), чтобы «Слово» и «слово» считались одним словом;
• количество: .count() на потоке;
• фильтр по длине: .filter(w -> w.length() >= min). Уточните, что значит «длиннее N»: > или >=;
• частоты: Collectors.groupingBy(Function.identity(), Collectors.counting()) даёт Map<String, Long>, для топа сортируйте записи по значению;
• результат: Stream.toList() с Java 16 возвращает неизменяемый список, а Collectors.toList() изменяемость не гарантирует.

Назовите сложность: один проход, O(n) по длине текста, память под словарь уникальных слов. Большой файл читайте построчно через Files.lines() в try-with-resources, а не грузите целиком в одну строку.

Где спотыкаются

Не проверяют пустую строку и null. Метод на пустом вводе возвращает 1, и это всплывает на первом же тесте интервьюера.

Не знают, что length() считает UTF-16 единицы, а не символы. Для кириллицы разницы нет, но для эмодзи нужен codePointCount.

Вызывают String.split с регулярным выражением в цикле, и Pattern компилируется заново на каждой итерации. Вынесите его в статическое поле.