编程实现统计一篇英文文章中各个单词出现的频率，输出频率最高的前十个单词的频率

一、时间分配

    2月22日 晚7:00~8:30  设计思路 确定编程语言

    2月23日 晚7:00~8:30 编写代码

    2月26日 晚8:00~9:00 编写代码

    3月1日   晚7:00~8:30 调试程序

    3月2日   晚8:00~11:00 写博客

     3月3日  晚8:00~9:00 写博客 总结

二、总结

    设计思路：分三个模块

    1、读文件模块

     2、词语分析模块

     3、排序

     其实老师布置题目的当天晚上就在想这道题了，但是不知道用数组，还是结构体，还是链表等等，本来写程序就不是强项，拿出以前学过的C++课本来复习了一下指针那部分知识。尝试着开始编写代码，读文件编写出来了，接下来是怎么把单词一个一个分出来，以前上编译原理课时写过一个词法分析程序，借鉴一下就可以；然后再用个排序。这是最初的想法。调试当中出现的很多问题，在苏林东同学的帮助下，最后有了结果，他也教我了很多思想。收获挺多的，这个程序我都加了注释，应该很明了了。具体用了类类型的指针；然后用链表进行分词；链表排出频率最高的前十个词。分析它的效率，当文件为65k时，用了3s;当文件为450k时，用了19s.与其它同学编写用的数组或者java写的效率都低点，有待自己进一步改进。

三、程序代码

#include <iostream>
#include <string>
#include <ctype.h>
#include <fstream> 
using namespace std;
class Danci                  //定义一个单词类
{
    public:
        int num;             //记录单词的数量
        string danci;        //定义一个字符串变量
        Danci *next;         //Danci类的指针
        Danci(string danci1) //构造函数
        { 
            num=1; 
            danci=danci1;
            next=NULL;       //开始时next指向空
        }
};
class dancibiao            //定义一个dancibiao类
{
                                                             
    public:
        void tianjia(string danci); //向单词链表里添加一个单词的函数
        bool panduan(string danci); //判断单词是否存在函数
        void shuchu();       //输出文件的内容函数
        dancibiao();          //构造函数
    private:
        Danci *first;         //Danci类类型的first指针指向链表的头部
        Danci *last;          //Danci类类型的last指针指向链表的尾部
        int length;   //文件的长度
        int total;    //单词的总个数
};
class wenzhang         //定义一个wenzhang类
{
    string txt;
    dancibiao mywords;
    public:
        void file(); //输入
        void top();//输出
        void Run();
};
dancibiao::dancibiao()       //初始化单词链表为空链表
{
    first=new Danci(" ");
    first->next=NULL;
    last=first;
    length=0;
    total=0;
}
void dancibiao::tianjia(string danci)//实现添加单词的函数
{
    if( !panduan(danci) )            //单词不存在
    {
        Danci *node=new Danci(danci); //动态分配node结点的内存，node指向新danci的地址
        last->next=node;               //以下三行是插入新节点，也就是把新单词添加到单词链表中
        last=node;
        last->next=NULL;
        length++;                      //单词链表的长度增一
    }
}
bool dancibiao::panduan(string danci)//判断单词函数
{
    Danci *p=first->next;      //让p指向first的下一个单词
    total++;                    
    while(p!=NULL)             //p的内容不为空
    {
        if( p->danci == danci )  //如果p所指向的单词和当前单词一样则这个单词的数量加1
        {
            p->num++;
            return true;
        }
        p=p->next;            //指针下移
    }
    return false;
}
void dancibiao::shuchu()      //实现dancibiao类里面的shuchu函数，输出频率最高的前十个单词
{
    int n=10;                  
    if( length < n)           //如果文件中单词的数量少于10个则输出提示信息
    {
        cout<<"\n不同的单词不足10个\n";
    }
    cout<<"单词"<<"             "<<"出现次数"<<"                 "<<"频率"<<endl;
    for( int i=0; i<n; i++ )
    {
        Danci *p=first->next;
        string str=p->danci;        //把p所指向的单词赋给一个字符串变量str
        int cishu=p->num;           //把这个单词的数量赋给cishu这个变量
        Danci* pcishu=p;            //把p赋给Danci类型的另一个指针pcishu
        while(p!=NULL)              //p不为空
        { 
            if( p->num > cishu)     //如果p指向的单词的数量大于cishu
            {
                cishu = p->num ;    //以下三行是把p的内容给了pcishu
                str=p->danci;
                pcishu=p;
            }
            p=p->next;             //指针下移
        }
        pcishu->num=0;
        cout<<str<<"                 "<<cishu<<"                   "<<1.0*cishu/total<<endl;
    }
}

bool readFileToString(string file_name, string& fileData)//把文件以字符串的形式显示出来
 {
 

    ifstream file(file_name.c_str(),  std::ifstream::binary);
    
     if(file)
     {
         
         file.seekg(0, file.end);
         const int file_size = file.tellg();
         char* file_buf = new char [file_size+1];
         memset(file_buf, 0, file_size+1);
         file.seekg(0, ios::beg);
         file.read(file_buf, file_size);
 

        if(file)
         {
             fileData.append(file_buf);
         }
         else
         {
             std::cout << "error: only " <<  file.gcount() << " could be read";
             fileData.append(file_buf);
             return false;
         }
         file.close();
         delete []file_buf;
     }
     else
     {
         return false;
     }
     return true;
 }
void wenzhang::file()
{
   readFileToString("d:/chizhenzhen.txt", txt);
   cout<<"文章为:\r\n"<<txt<<endl;
}
void wenzhang::Run()
{
    int i=0;
    while( i<txt.length())
    {
        string temp;
        while( !isalpha(txt[i]) && i<txt.length())//isalpha函数判断字符txt[i]是否为英文字母
        {
            i++;             
        }
        while( isalpha(txt[i]) && i<txt.length())//如果参数是字母字符
        {
            temp=temp+txt[i];
            i++;
        }
        if(i<txt.length())
        {
            mywords.tianjia(temp);
        }
    }
}
void wenzhang::top()
{
    cout<<"\n出现频率最高的前十个单词: \n";
    mywords.shuchu();
}
void main()//主函数
{ 
    wenzhang wz;
    wz.file();
    wz.Run();
    wz.top();
}

四、运行结果