Как посчитать количество вхождений каждого слова с помощью группировки в Java Stream API

Что проверяют

Знаете ли вы Collectors.groupingBy по поведению, а не по названию: какую Map он вернёт, как поменять её тип и зачем нужен вложенный коллектор. Следом просят вывести топ-N слов или посчитать без учёта регистра и пунктуации.

Как отвечать

Базовое решение:

Map<String, Long> counts = Pattern
    .compile("\\W+", Pattern.UNICODE_CHARACTER_CLASS)
    .splitAsStream(text.toLowerCase(Locale.ROOT))
    .filter(w -> !w.isEmpty())
    .collect(Collectors.groupingBy(
        Function.identity(), Collectors.counting()));

Что стоит проговорить:

• разбиение: split(" ") ломается на двойных пробелах, табуляции и пунктуации. Без флага UNICODE_CHARACTER_CLASS класс \w понимает только ASCII и режет русские слова на пустоту;
• регистр: toLowerCase(Locale.ROOT), чтобы результат не зависел от локали машины;
• тип результата: groupingBy отдаёт HashMap без порядка. Нужен порядок, передайте фабрику: groupingBy(identity(), TreeMap::new, counting());
• вложенный коллектор: counting() возвращает Long. Для Integer берут summingInt(w -> 1);
• альтернатива: Collectors.toMap(w -> w, w -> 1, Integer::sum) делает то же через функцию слияния;
• параллельно: для parallelStream есть groupingByConcurrent, но на небольшом тексте выигрыша не будет.

Топ-5 делается вторым потоком: counts.entrySet().stream().sorted(Map.Entry.comparingByValue(Comparator.reverseOrder())).limit(5).

Где спотыкаются

Показывают вывод в «правильном» порядке, хотя HashMap порядка не гарантирует. Интервьюер спросит, почему hello оказался первым.

Не фильтруют пустые строки: если текст начинается с пробела или знака препинания, первым токеном будет "", и он тоже посчитается.

Пишут forEach с map.put(word, map.get(word) + 1). Это побочный эффект, который ломается на parallelStream и падает с NullPointerException на первом же новом слове. Императивный вариант пишется через merge(word, 1, Integer::sum).