软工1816 · 作业（二）

Github项目地址

Github

PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	10	20
• Estimate	• 估计这个任务需要多少时间	10	20
Development	开发	380	495
• Analysis	• 需求分析 (包括学习新技术)	60	70
• Design Spec	• 生成设计文档	30	10
• Design Review	• 设计复审	10	5
• Coding Standard	• 代码规范 (为目前的开发制定合适的规范)	20	15
• Design	• 具体设计	10	5
• Coding	• 具体编码	120	270
• Code Review	• 代码复审	10	60
• Test	• 测试（自我测试，修改代码，提交修改）	120	60
Reporting	报告	50	75
• Test Repor	• 测试报告	30	10
• Size Measurement	• 计算工作量	10	5
• Postmortem & Process Improvement Plan	• 事后总结, 并提出过程改进计划	10	60
	合计	440	590

解题思路

首先，拿到题目的时候，先分析了一下需求：

第一步、实现基本功能

1. 以命令行参数传入
2. 统计文件的字符数
3. 统计文件的单词总数
4. 统计文件的有效行数
5. 统计文件中各单词的出现次数，最终只输出频率最高的10个
6. 按照字典序输出到文件result.txt

第二步、接口封装
把基本功能里的：

1. 统计字符数
2. 统计单词数
3. 统计最多的10个单词及其词频

这三个功能独立出来，成为一个独立的模块，可以在几个地方使用：

1. 命令行测试程序使用
2. 在单元测试框架下使用
3. 与数据可视化部分结合使用

根据题目要求，很容易想到要使用C++文件的读入读写操作来完成此次任务。所以先复习了一下文件的操作，还有上网查了一下词频的统计方法。

设计实现

根据基本功能，划分以下六个函数：

• isChinese 判断是否是汉字
• isWord 判断是否是单词
• isSign 判断是否是分隔符
• CountChar 统计字符个数
• CountLine 统计有效行数
• CountWord 统计单词个数
• CountTime 统计单词频率

其中统计字符个数和有效行数都是直接读入文件，读一个字符或一个换行符计数变量就加一。比较需要花功夫的是统计单词的个数和单词频率，首先预处理txt里的内容，把所有分隔符替换成空格，并且大写全部转换为小写。之后将string转换为stringstream，stringstream是以空格为界，先读入每两个空格之间的字符串再做汉字和单词的判断。至于单词的排序，采用了map和vector数据结构相结合，先用map保存单词和单词频率的关系，再用vector进行词频和字典序的排序。

代码说明

while (getline(infile, s))
{
	for (int i = 0; i < s.size(); i++)
	{
		if (isChinese(s[i], s[i + 1]) == 1)//是汉字则跳过
		{
			i++;
		}
		else
		{
			if (isSign(s[i]) == 1)//是分隔符
			{
				s[i] = ' '; //将分隔符都换成空格
			}
		}
	}
	str.append(s);
	str.append(1, ' ');
}
transform(str.begin(), str.end(), str.begin(), ::tolower); //将大写转化为小写
stringstream ss(str); //分割成一个个字符串
map<string, int> strMap;  //保存的结果
string strTmp; //分割后的字符串
while (ss >> strTmp)
{
	if (isWord(strTmp) == 1) //判断是否为单词
	{
		map<string, int>::iterator it = strMap.find(strTmp);
		if (it == strMap.end())
		{
			strMap.insert(map<string, int>::value_type(strTmp, 1)); //插入map
		}
		else
			strMap[strTmp]++; //词频+1
	}
}
vector<pair<int, string> > vec;
MapSortOfValue(vec, strMap); //利用vec排序
for (vector<pair<int, string> >::iterator it = vec.begin(); it != vec.end(); it++)
{
	n++;
	if (n <= 10) //选出词频最高的10个单词
	{
		vec2.push_back(make_pair(it->first, it->second));
	}
}
sort(vec.begin(), vec.end(), cmp); //最后再以字典序排序

心路历程

首先很抱歉，由于这一周刚好新生入学，而我作为班导自然义不容辞需要带领他们，新生教育周的活动安排得非常密集，所以我除了上课之外的空闲时间都在带新生。每天基本上都是十一点才能回到宿舍有自己的时间，第二天早上六七点又要起床。很难有时间静下心来写程序。就连作业发表后我也是直到第二天才有时间看一眼。这次作业我没有完成得很好，实现了基本功能后就已经没剩什么时间再完成扩展功能了，还有性能分析和单元测试，这是我之前没有接触过的，再学习新技能明显已经来不及了。单元测试的Bug还没改完，最后在性能分析的时候，VS崩溃了，连运行都运行不了，导致只能先把已做完的部分提交。
所以，建议给自己的deadline可以比任务的实际deadline早那么一天，好应对一些突发状况。
再接再厉吧。下一次作业一定不这么赶了。