2018（秋）软工作业 4：结对项目之词频统计——基本功能
0. 阶段1 - 结对项目：词频统计——基本功能
1. 目标
- 使用开发工具 （Eclipse 或者 Visual Studio）
- 开发语言 （C、C++、C# 或者Java ）
- 使用源代码管理工具（Git）
2. 要求
-
实现一个控制台程序，给定一段英文字符串文件，统计其中各个英文单词的出现频率。
输入文件名以命令行参数传入。例如我们在命令行窗口(cmd)中输入：
wordCount.exe input.txt
//Java语言
java wordCount input.txt
则会统计input.txt中的以下几个指标:
(1) 统计文件的有效行数.
- 任何包含非空白字符的行，都需要统计。
(2) 统计文件的单词总数.
定义：（单词）是至少以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
- 例：
(3) 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。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
- 输出的格式为:
characters: number
words: number
lines: number
<word1>: number
<word2>: number
...
特别提醒，为便于单元测试：
- 上述输出中
冒号是英文的":", 其后不能有空格； - 输出的文件名
result.txt； - 单词全部小写；
(4) 将第三步结果，输出到文件result.txt
- 性能分析：
- 对C++代码运行VS的性能分析工具，找出性能问题并进行优化。
- 对Java程序运行性能分析工具 NetBeans IDE 6.0，找出性能问题并进行优化。
3. 提交（博客）
提交内容包括：
(1) 提交 V1.0 可以编译运行的源码到码云（gitee）（5分）
- Fork PairProgram项目 https://gitee.com/ntucs/PairProg.git
- 新建分支 SEXXX（ XXX 为学号后三位），在新分支下新建源代码，编译通过，提交（commit），push 到远端仓库【PairProgram项目】。
- 程序代码应该能正确编译。
- 确保单元测试代码通过。（5分，10个测试用例，通过率S。）
(2) 提交博客 （博客标题：作业 4：词频统计——基本功能）(5分）
- 项目 Git地址，程序运行模块（方法、函数）介绍（1分）
- 程序算法的时间、空间复杂度分析（1分）
- 程序运行案例截图（1分）
- 描述你花了多少时间在提高程序性能上，利用VS的性能分析工具，展示你的性能图表（1分）
- 结对编程照片（1分）
