20180912-3 词频统计

作业要求 20180912-3 词频统计

该作业的要求参见：https://edu.cnblogs.com/campus/nenu/2019fall/homework/6583

源码地址：https://e.coding.net/SpringSun/Statisticalword.git

一、准备工作

      看题目大概读了一遍感觉好复杂，完全没有思路，就一个字难。而且里面专有名词不知道，像“代码要求在 coding.net 做版本控制。要求push&pull时使用git客户端，不允许使用web页面”。不明白版本控制是什么？git客户端又是什么？然后去百度了一下。

二、弄懂概念

        版本控制是指对软件开发过程中各种程序代码、配置文件及说明文档等文件变更的管理，是软件配置管理的核心思想之一。

Git是一个开源的分布式版本控制系统，用以有效、高速的处理从很小到非常大的项目版本管理。

三、下载软件

  第一步： 申请coding.net账号并新建一个项目。

                 coding.net代码托管平台使用教程：https://blog.51cto.com/net881004/2068431

  第二步：下载、安装git和git客户端tortoisgit。

                git下载地址：https://git-scm.com/download

                tortoisgit下载地址：https://tortoisegit.org/download/

第三步：在coding.net上配置远程git ，具体请参见

                https://blog.csdn.net/gyy930324/article/details/54575246

                 coding.net及git的使用方式可参考： https://www.cnblogs.com/life-for-test/p/6284041.html

（ps平时编辑文档养成好习惯，文档做完就保存一下，要不忘记保存，还找不回来，真是心累，这次真是学乖了，以后打死都要记得保存文档）

四、功能实现的历程         

功能1 小文件输入。 为表明程序能跑，结果真实而不是迫害老五，请他亲自键
盘在控制台下输入命令。

为了评估老五的词汇量而不是阅读量，total一项中相同的单词不重复计数数，出现2
次的very计数1次。

因为用过控制台和命令行，你早就知道，上面的">"叫做命令提示符，是操作系统的一部分，而不是你的程序的一部分。

此功能完成后你的经验值+10.

重要代码：

//单行统计
public static void LineCount(String args) {
    String[] wordsArr = args.split("[^a-zA-Z]");  //过滤掉除字母以外的字符
    List<String> list = new ArrayList<String>();  //存储过滤后单词的列表 
    for (String word : wordsArr) {
        if (word.length() != 0) {  //去除长度为0的行  
            list.add(word);
        }
    }
    WordCount(list); // 单词量统计  
}

控制台截屏：

功能2 支持命令行输入英文作品的文件名，请老五亲自录入。

此功能完成后你的经验值+30. 输入文件最大不超过40MB. 如果你的程序中途崩
了，会被老五打脸，不增加经验值。

重要代码：

// 单文件统计
public static void textCount(String path) throws Exception {
	BufferedReader br = new BufferedReader(new FileReader(path));
	List<String> list = new ArrayList<String>(); // 存储过滤后单词的列表
	String sLine = null;
	while ((sLine = br.readLine()) != null) {
		String[] wordsArr = sLine.split("[^a-zA-Z]"); // 过滤掉除字母以外的字符
		for (String word : wordsArr) {
		　　if (word.length() != 0) { // 去除长度为0的行
			list.add(word);
			}
		}
	}
	br.close();
	WordCount(list); // 单词量统计
	}

控制台截屏：

 功能3 支持命令行输入存储有英文作品文件的目录名，批量统计。

重要代码：

//多文件统计
String path1 = args[1];
File file = new File(path1);
if (file.isDirectory()) {
	File[] filelist = file.listFiles();
	for (File filePath : filelist) {
		try {
			String s = filePath.getPath();// 获取完整路径
			System.out.println(filePath.getName());//输出文件名
			textCount(s);
		} catch (Exception ex) {
			System.out.println("请输入正确的路径，格式：D:/Project/JAVA/text/");
			}
		}
}

控制台截屏：

功能4 从控制台读入英文单篇作品，这不是为了打脸老五，而是为了向你女朋
友炫酷，表明你能提供更适合嵌入脚本中的作品(或者如她所说，不过是更灵活
的接口)。如果读不懂需求，请教师兄师姐，或者 bing: linux 重定向，尽管
这个功能在windows下也有，搜索关键词中加入linux有利于迅速找到。

重要代码：

//重定向单个文件统计
public static void TxtCount() throws Exception {
	BufferedReader br = new BufferedReader(new InputStreamReader(System.in));//从字符输入流中读取文本并缓冲字符
	//BufferedReader br = new BufferedReader(new FileReader("D:/Project/JAVA/text/" + "test.txt"));//eclipse测试用
    List<String> list = new ArrayList<String>();  //存储过滤后单词的列表 
    String readLine = null;
    while ((readLine = br.readLine()) != null) {
        String[] wordsArr1 = readLine.split("[^a-zA-Z]");  //过滤掉除字母以外的字符
        for (String word : wordsArr1) {
            if (word.length() != 0) {  //去除长度为0的行  
                list.add(word);
            }
        }
    }
    br.close();
    WordCount(list); // 单词量统计  
}

控制台截屏：

重要单词计数代码：

// 单词量统计
	public static void WordCount(List<String> list) {
		Map<String, Integer> wordsCount = new TreeMap<String, Integer>(); // 存储单词计数信息，key值为单词，value为单词重复数
		// 单词的重复数统计
		for (String i : list) {
			if (wordsCount.get(i) != null) {
				wordsCount.put(i, wordsCount.get(i) + 1);
			} else {
				wordsCount.put(i, 1);
			}
		}
		System.out.println("------------------------");
		//System.out.println("words_total" + "	" + list.size() + " words");// 输出单词总量
		System.out.println("total" + "	" + wordsCount.size() + " words\n");// 输出单词量
		SortMap(wordsCount); // 按值进行排序
		System.out.println("-------------------------------------");
	}

　　

重要排序代码：

//按值大小降序处理
public static void SortMap(Map<String, Integer> oldmap) {
	ArrayList<Map.Entry<String, Integer>> list = new ArrayList<Map.Entry<String, Integer>>(oldmap.entrySet());
		Collections.sort(list, new Comparator<Map.Entry<String, Integer>>() {
			public int compare(Entry<String, Integer> o1,Entry<String, Integer> o2) {
				return o2.getValue() - o1.getValue(); // 降序
			}
		});
		if (list.size()<10){
			for (int i = 0; i < list.size(); i++) {// 因为text.txt文本只有5个单词量，加if条件防止循环不到10次报错
				System.out.println(list.get(i).getKey() + "	" + list.get(i).getValue());// 输出单词和重复数
		}
		}else {
			for (int i = 0; i < 10; i++) {// 便于截图只显示10行,全部显示把10替换成list.size()
				System.out.println(list.get(i).getKey() + "	" + list.get(i).getValue());// 输出单词和重复数
		}
	}
}

　　

在所有功能实现前，我思考了好久，应该怎样下手，可是想了半天，就选择那门语言，想选择C语言，可是感觉题目功能也不少，要是用C语言，工程可能会大，而java是面向对象的，实现起来应该会简单一些，然而java自己已经忘的差不多了，打算先把java 学习一遍在开始编程，可是师兄看到我一直在看书，建议我一边学一边写，只有在实践中才能知道那些知识要用到，而且效率高，所以整个工程都是在边写边学中进行的。

功能一：

1. 忘记怎么输入一串字符，按空格取每个单词的操作，所以复习了谭浩强的《C语言程序设计》。
2. 忘记正则表达式，查了正则表达式的写法
3. 查了java 中列表怎样定义

功能二：

        在控制台里输入一个文件名然后读取文件里的内容，格式和表达式的书写。

功能三： 

          一开始感觉功能二和功能三是一样的，后来仔细读了作业要求，功能二和功能三差在了是读一个文件还是多个（个人理解），所以在写功能三就把读入一个文件格式去掉了。

功能四：

          一开始功能四就没有看懂，尤其是上面功能二和功能三都感觉一样，这个功能四简直了，我打算先把前三个功能先实现，时间允许的情况下，在来搞功能四。

知识链接：

        一开始三个功能完成后，总是感觉少了什么，运行程序才发现少了排序，排序就想到了使用HashMap还是TreeMap，两者区别：HashMap通过hashcode对其内容进行快速查找，而 TreeMap中所有的元素都保持着某种固定的顺序，如果你需要得到一个有序的结果你就应该使用TreeMap（HashMap中元素的排列顺序是不固定的）。

五、程序PSP分析

PSP阶段	预计花费时间	实际花费时间	时间差值	差距原因分析
功能一	120	303	177	忘记怎么输入一串字符，按空格取每个单词的操作
功能一测试	30	56	26	这个没有统计总字数，所以老出错
功能二	30	49	19	在控制台里输入一个文件名然后读取文件里的内容，格式和表达式的书写忘记怎么写
功能二测试	10	24	14	不能统计全文
功能三	20	55	35	多个文件输入问题处理模糊
功能三测试	20	36	16	读入多个文件怎么读入
功能四	30	39	9	这个时间是不完美程序时间
功能四测试	50	180	130	不能同时读入多个文件