个人项目-词频统计(语言：C++)

词频统计 (个人项目)

要求

(1). 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。

(2). 性能分析：

 

 

开发语言：C++

各个模块时间（预估/实际）（本来预估3-4h可完成，但实际花了将近6-7h）

  预估时间 实际时间
词频统计 1.5h 1.5h
大小写转换 0.75h 1h
长度小于4的单词删除 0.75h 1.5h
多个分隔符区分 1h 2h

 

 

由于上一次老师提过代码的规范性，所以这一次的代码我特意注意了代码的书写规范。

下面是源代码：

 1 #include <iostream>
 2 #include <string>
 3 using namespace std;
 4 
 5 struct Word   /* 单词对象 */
 6 {
 7     Word() : Str( "" ), Count( 0 )
 8     {
 9     }
10     string    Str;
11     int    Count;
12 };
13 
14 
15 void CalcCount( Word *words, string &content, int size )  /* 统计词频 */
16 {
17     int i;              /* words单词 content内容 size个数 */
18     for ( i = 0; i < size; i++ )
19     {
20         if ( words[i].Str == content )
21         {
22             words[i].Count++;
23             return;
24         }else if ( words[i].Str == "" )
25             break;
26     }
27     words[i].Str    = content;
28     words[i].Count    = 1;
29 }
30 
31 
32 int main()
33 {
34     char    ch;
35     Word    *words;
36     string    content;
37     cout << "输入一段英文:";
38     getline( cin, content );
39     while ( cin.get( ch ) ) /* 把所有小写字母换成大写字母 */
40     {
41         ch = cin.get(); /* 此部分存疑，可能是输入问题，这一部分无法实现 */
42         if ( 97 <= ch && ch <= 122 )
43         {
44             char (ch) = char(ch - 32);
45             break;
46         }
47     }
48 
49     int wCount = 1;                 /* 计算单词总数 */
50     if ( content.length() < 4 )     /* 长度小于4的单词删除 */
51     {
52         wCount--;
53         content.erase( 0, offset + 1 );
54         offset = content.find( ' ' );
55         continue;
56     }
57     for ( unsigned int i = 0; i < content.length(); i++ )
58     {
59         if ( content[i] == ' ' || content[i] == '\t' || content[i] == '\n' || content[i] == '.' || content[i] == ',' )
60             wCount++;                                                       /* 分隔符分为' '，'\t'，'\n'，','，'.'五种 */
61     }
62     words = new Word[wCount];
63 
64     string::size_type offset = content.find( ' ' || '\t' || '\n' || '.' || ',' );   /* 单词以分隔符隔开 */
65     while ( offset != string::npos )
66     {
67         string wStr = content.substr( 0, offset );
68         content.erase( 0, offset + 1 );
69         CalcCount( words, wStr, wCount );
70         offset = content.find( ' ' || '\t' || '\n' || '.' || ',' );
71     }
72     CalcCount( words, content, wCount );
73 
74     for ( int j = 0; j < wCount; j++ ) /* 最后输出结果 */
75     {
76         cout << words[j].Str << ":" << words[j].Count << endl;
77     }
78     delete[] words;
79     return(0);
80 }

运行结果（老师给的例子）：

我的分析：

由上图可以看出，结果并不完全正确，我的代码里面，小写字母全部转换成大写字母那一块出了问题。我前前后后大概改了十几次，也翻阅了C++书，我觉得可能是输入读取出了问题，但是怎么改都无济于事，这个问题算是存疑，之后我会借助同学或者老师的力量解决这个问题的。

我的总结：

由于JAVA的初步学习我觉得还不够让我写出这样一个程序，所以我还是选择了C++语言写了这个程序。这次源代码，我花的时间比预计的时间多了很多，一部分原因是C++知识的疏漏和遗忘，另一部分原因就是题目的要求细节的难度比较高。这个词频统计的题目，虽然以前做过字母的统计，大小写转换，分隔符区分等等程序，但是要写出这个充满细节需要的程序，确实难上加难，甚至我最后还存了疑，在小写字母全部转换成大小字母这儿问题上，并没有完全解决，短时间内可能再卡在这里，所以我选择之后借助一个同学和老师的力量解决。

github链接：https://github.com/liuyutianlyt/CalcCount.md

 

posted @ 2016-03-16 19:39  刘雨恬  阅读(3118)  评论(4)  编辑  收藏  举报