词频统计

一、目标

     *开发工具：CodeBlocks

    *开发语言：C++

    *源代码管理Github链接：https://github.com/Snoopyjinjin/cipin

二、要求

    实现一个控制台程序，给定一段英文字符串，统计其中各个英文单词（4字符以上含4字符）的出现频率。

    附加要求：读入一段文本文件，统计该文本文件中单词的频率。

三、思路分析

     一个单词的结束是以非字母的形式结尾，所以应把单词分开。创建数组用来存储单词字符，并从磁盘中导入含有英文单词的文本文档。在这里，我本来打算是直接从键盘上输入一长串字符的，如老师示例给的单词数较少，直接键入也行，但如果单词数较多，直接键入容易出错，也比较浪费时间，所以宜把它存入文本文档再进行读取。后来我在附加条件中也看到了该要求。

    原本预计完成这次作业需要一下午的时间，但天不遂人愿，我用了一下午加一晚上的时间才完成。哎，果然能力捉急呀/(ㄒoㄒ)/~~

四、源码

#include <iostream>
#include <cstring>
#include <fstream>
using namespace std;

typedef struct word
{
 int count;
 char word[WORD_LEN];
}

struct Stack
{
 Word wd[1000];
 int count;

 void push(char* word)
 {
  for(int i=0;i<count;i++)
  {
   if(strcmp(wd[i].word,word)==0)
    return;
  }
  wd[count].word=word;
  wd[count].ref=1;
  count++;
 }
 void main()
{
 Stack st;
 st.count=0;
 fstream ("G:\\英文.txt","r");
 char* buf=(char*)malloc(10000);
 int len=fread(buf,1,10000,fa);
 char* word=buf;
 //全部转为小写
 for(int i=0;i<len;i++)
 {
  if(buf[i]>='A' && buf[i]<='Z')
   buf[i]+='a'-'A';
 }
 for(i=0;i<len;i++)
 {
  if(buf[i]<'a' || buf[i]>'z')
  {
   buf[i]='\0';
   st.push(word);
   while(buf[i]<'a' || buf[i]>'z')
    i++;
   word=&buf[i];
  }
 }
 in.close();
}

 

五、调试与检验

 

上图是老师给的示例的运行情况，下面是导入一段较长文本的运行结果，果然，直接导入文件远比键盘键入来的快捷的多，毕竟单词多嘛。

检验：看程序运行的对不对，就看它统计的字数对不对啦。若是单词数少的话，还可以通过数数解决，若多的话就不行了。我把文本导入word，用工具栏里的查找功能进行检验，看每个单词统计的对否；还有一种就是在工具栏的宏里边设置参数调试，不过这个有点复杂，我后来就没做。当然了，后一种高大上的方法是我百度查来的。

六、作业总结

      通过这个词频统计的小程序，我掌握了基本的分割单词的能力，再一次巩固了C++。另外，在设计时，我也明白了“化繁为简”的重要性，比如:用文本文件导入单词就远比直接键入来的简易的多。所以在以后的编程时，遇到复杂的地方，我也许可以试着换一个角度试试。最后，对于我们常用的一些工具软件，应多多熟悉它的性能，不然等到用时就手忙脚乱了。