词频统计

1. 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。

2. 定义

• 字母: A-Z, a-z.
• 字母数字: A-Z, a-z, 0-9.
• 分隔符: 非字母数字
• 单词:
• 包含有4个或4个以上的字母
• 单词由分隔符分开
• 如果一个字符串包含_非_字母数字，则不是单词
• 单词大小写不敏感，例如 “file”、“FILE”和“File”可以看作同一个单词
• 单词必须是字母开头，“file123”是单词，“123file”不是单词

3. 目标

    开发工具：visual studio 2013

    开发语言：c++

    github地址：

---

 

源程序

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

struct Num{
    int num = 1;
    char *s = NULL;
};

Num word[99];

int Judge(char b[])//判断单词
{
    bool j1 = (strlen(b) >= 4);
    bool j2 = (b[0] >= 'a' && b[0] <= 'z');
    if (!(j1&&j2))
        return -1;
    else
    for (int ns = 1; b[ns] != '\0';)
    {
        if (!((b[ns] >= 'a' && b[ns] <= 'z') || (b[ns] >= '0' && b[ns] <= '9')))
            return 1;
        else
            ns++;
    }
}
int Sta(char a[], int n)   //判断该单词是否出现过
{
    if (n>0)
    for (int i = 0; i <n; i++)
    {
        if (!strcmp(a, word[i].s))  //出现
        {
            word[i].num++;      //+1
            return 1;
        }
    }
}
int main()
{
    char data[300];
    ifstream file("e://data.txt");
    if (!file){
        cout << "Unable to open ";
        exit(1);
    }
    while (!file.eof())
    {
        file.getline(data, 300);
    }
    file.close();
    int x = 0;
    while (data[x] != '\0')                      //转小写
    {
        if (data[x] >= 'A'&&data[x] <= 'Z')
            data[x] = data[x] + 32;
        x++;
    }
    const char *delim = " ,.'‘’";              //将非字母数字作为分隔符
    char *p,
        *pNext = NULL;
    int n = 0,                                 //计数器 n ,t 初始化
        t = 0;
    p = strtok_s(data, delim, &pNext);          //strtovk_s函数根据分隔符分隔字符串
    while (p)
    {
        if (Judge(p) != 1)
        {
            if (Sta(p, n) != 1)
            {
                word[n].s = p;
                n++;
            }
        }
        p = strtok_s(NULL, delim, &pNext);
    }
    while (word[t].s)        //输出统计结果
    {
        cout << word[t].s << "：" << word[t].num << '\n';
        t++;
    }
    return 0;
}

数据测试

输入

Word is case insensitive, i.e. “file”, “FILE” and “File” are considered the same word.

结果

word: 2
case: 1
insensitive: 1
file: 3
considered: 1
same: 1

与给出输出一致

问题
在使用分隔函数strtok时我遇到了不少的麻烦，首先vs2013无此函数而应使用strtok_s函数，在百度相关教程之后完成了该函数的使用。