软件工程作业：项目1--文本词频统计

要求：

写一个程序，分析一个文本文件中各个词出现的频率，并且把频率最高的10个词打印出来。文本文件大约是30KB~300KB大小。

本程序使用java编写，对中英文文本分词后用hashmap存储键值，然后对其排序输出前10个高频词。

程序主界面：

图一

通过下拉菜单“菜单”中打开文件的选项，选择需要打开分析的文件：

图二

程序会自动根据文本内容识别中英文，按下“统计”按钮后分析统计，在右侧显示结果：

图三

中文文本采用中科院的ICTCLAS进行分词，并滤去单个汉字及标点符号后进行统计，结果如下：

图四

点击“重置”会恢复到主界面(图一)，然后再选择需要分析的文本，也可以直接在菜单中选择“退出”，退出程序。

用MS的visual studio2013的WPR记录CPU使用，并用WPA分析程序。

图五

javaw.exe应是我们要分析的程序：

图六

 

图七

不知道为什么，按照网上教程，并没有显示函数名以及堆栈具体内容，有待探索！

 

 

课外补充：

http://blog.csdn.net/chengyingzhilian/article/details/8197987

用到一种很巧妙的数据结构——单词树，优化了程序效率。

http://bigasp.com/archives/606

WPA、WPR用法

 

本人信息：

班级：0491101

学号：2011212007