202103226-1 编程作业
| 这个作业属于哪个课程 | 18级计科-软件工程4班 |
|---|---|
| 这个作业要求在哪里 | 202103226-1 编程作业 |
| 这个作业的目标 | 熟悉软件开发的实现过程 |
| 参考文献 | eclipse测试单元、参考等等 |
作业描述
在大数据环境下，搜索引擎，电商系统，服务平台，社交软件等，都会根据用户的输入来判断最近搜索最多的词语，从而分析当前热点，优化自己的服务。首先当然是统计出哪些词语被搜索的频率最高啦，请设计一个程序，能够满足一些词频统计的需求。
需求
-
统计文件的字符数（对应输出第一行）：
- 只需要统计Ascii码，汉字不需考虑
- 空格，水平制表符，换行符，均算字符
-
统计文件的单词总数（对应输出第二行），单词：至少以4个英文字母开头，跟上字母数字符号，单词以分隔符分割，不区分大小写。
- 英文字母： A-Z，a-z
- 字母数字符号：A-Z， a-z，0-9
- 分割符：空格，非字母数字符号
例：file123是一个单词， 123file不是一个单词。file，File和FILE是同一个单词
-
统计文件的有效行数（对应输出第三行）：任何包含非空白字符的行，都需要统计。
-
统计文件中各单词的出现次数（对应输出接下来10行），最终只输出频率最高的10个。
- 频率相同的单词，优先输出字典序靠前的单词。
例如，windows95，windows98和windows2000同时出现时，则先输出windows2000 - 输出的单词统一为小写格式
- 频率相同的单词，优先输出字典序靠前的单词。
Gitee项目地址
PSP表格
| PSP2.1 | Personal Software Process Stages | 预估耗时（小时） | 实际耗时（小时） |
|---|---|---|---|
| Planning | 计划 | ||
| Estimate | 估计这个任务需要多少时间 | 0.5h | 1h |
| Development | 开发 | ||
| Analysis | 需求分析 (包括学习新技术) | 30h | 28h |
| Design Spec | 生成设计文档 | 3h | 3.5h |
| Design Review | 设计复审 | 1h | 1h |
| Coding Standard | 代码规范 (为目前的开发制定合适的规范) | 0.5h | 0.5h |
| Design | 具体设计 | 2h | 2.5h |
| Coding | 具体编码 | 10h | 14h |
| Code Review | 代码复审 | 1h | 1h |
| Test | 测试（自我测试，修改代码，提交修改） | 3h | 4h |
| Reporting | 报告 | 2h | 2h |
| Test Repor | 测试报告 | 1h | 1h |
| Size Measurement | 计算工作量 | 0.2h | 0.1h |
| Postmortem & Process Improvement Plan | 事后总结, 并提出过程改进计划 | 1h | 1h |
| 合计 | 55.2h | 59.6h |
解题思路
- 初看到题目只觉得思绪混乱，有很多知识都忘记了，于是仔细看了题目需求之后，大致估计了需要用到的知识，然后拿着以前的教材复习去了；
- 然后根据几个需要的功能，整体的思路是先分别设计几个方法，然后调用，但是对于能用命令行的方式执行这个程序的要求，留到最后解决。
代码规范
设计与实现
- 首先设计一个main方法，通过这个main方法调用读取文件的方法，如下：
String inFileName = args[0];
String outFileName = args[1];
Lib lib = new Lib();
File outFile = new File(outFileName);
try {
if (!outFile.exists())
outFile.createNewFile();
} catch (Exception e) {
e.printStackTrace();
}
- 承载读取出来的文件内容的参数作为输入参数，分别调用对应的实现方法，如下：
charters = lib.CountChar(lib.Readfile(inFileName));
wordsNum = (int)lib.CountWords(lib.Readfile(inFileName));
lines = lib.CountLines(lib.Readfile(inFileName));
lib.CountWordsNum(lib.Readfile(inFileName),wordsNum);
count = lib.GetCount();
words = lib.GetWords();
- 得到的结果作为返回值；再做一个写入文件的方法，按照需求将得到的结果写入一个输出文件中。
fileWriter = new FileWriter(outFile);
fileWriter.write("characters: "+charters+"\n");
fileWriter.write("words: "+wordsNum+"\n");
fileWriter.write("lines: "+lines+"\n");
for (int i=0; i<words.length && count[i]!=0; i++)
fileWriter.write(words[i] + ": " + count[i] + "\n");
fileWriter.close();
- 主要功能方法中，统计字符数的方法，调用read()方法逐个以数字的形式读取文本的字符，以ASCII值判断字符
while((charnum=text.read())!=-1) { //text.read()逐个以数字的形式读取文本的字符
if(charnum < 128 && charnum >=0)
number++;
}
- 统计单词数的方法中，单词只由字母或数字组成，且不能由数字开头
while((oneword=text.read())!=-1) {
char ch = (char)oneword;
if(ch >= 'a' && ch <= 'z'
||ch >= 'A' && ch <='Z'
|| ch >= '0' && ch <= '9')
s=s+ch;
else {
if(s != null && Yes(s))
number++;
String t = null;
s = t;
}
}
- 统计有效行数方法，用正则表达式，将只有空白字符的行去掉
while((str = text.readLine()) != null) {
//“\\s”是正则表达式，表示所以空白字符（换行、空格等），将这些空白字符换掉
String temp = str.replaceAll("\\s","");
if(str.length()!=0)
rows++;
}
- 统计单词频数方法，将符合要求的单词搜寻一次，如果没有相同的，就存入数组中，如果有相同的，则频数加1
while((oneword = text.read())!=-1) {
char ch = (char)oneword;
if(ch >= 'a' && ch <= 'z'
||ch >= 'A' && ch <='Z'
|| ch >= '0' && ch <= '9') {
if(str == null) {
String tem = new String();
str = tem;
}
str=str+ch;
}else {
if(str!="" && Yes(str)) {
String temp = str.toLowerCase();
//单词不在数组中，则存入计数 ，已在数组中，则频数加1
if(!Ifexist(words,temp,counts) && j<words.length) {
words[j] = str;
counts[j]++;
if(j == words.length-1)
break;
j++;
}
str = null;
}
}
- 对单词按频数排序，使用排序的算法，按频数从大到小排列，频数相同时，用compareTo()方法比较两个单词的大小，并排序
if (counts[i]<counts[j]){
//交换两个单词的频数的位置
int temp;
temp = counts[j];
counts[j] = counts[i];
counts[i] = temp;
//交换两个单词的位置
String tempS = new String ();
tempS = words[j];
words[j] = words[i];
words[i] = tempS;
}
else if (counts[i]==counts[j]) {
if (words[i].compareTo(words[j]) > 0){
//交换两个单词的频数的位置
int temp = counts[j];
counts[j] = counts[i];
counts[i] = temp;
//交换两个单词的位置
String tempS = new String ();
tempS = words[j];
words[j] = words[i];
words[i] = tempS;
}
}
改进
对于读取文件的方式，一开始是打算直接用Writer 和Reader类的，然后知道使用到缓冲区会更便捷，于是改成了BufferedReader类；
测试
主要测试Lib中的方法，
- 几个运行的测试
异常处理
基本上对每个方法都进行的
try{
//操作
}catch(Exception e){
//基本错误提示
}
收获
- 一写起代码来就发现有太多知识已经忘记了，然后去翻了教材，主要回顾的还是IO这一章的内容，后续还要继续复习其它的内容；
- 很久没用git了，用起来特别的生疏，查了好多的教程，磕磕绊绊的勉强做好了；
- 以前从来没有接触过测试这一方面，这次突然要用才去查了相应的资料，有一些方法不知道怎么测，但是也写了几个测试，对测试这方面的内容算是有了初步的接触了；
- 代码写的时候觉得没什么问题，写完之后进行测试时才发现有好几个小bug，暂时还没改，等改成了再来更新。
