作业 20180925-3 效能分析

作业要求： https://edu.cnblogs.com/campus/nenu/2018fall/homework/2145

git地址：https://git.coding.net/zhangjy982/wf.git

要求0

第一次运行：

第二次运行：

第三次运行：

次数	消耗时间(s)
第一次	1.589
第二次	2.059
第三次	1.681
平均	1.776

CPU参数： Intel(R) Core(TM) i5-3210M CPU @ 2.50GHz 2.50GHz

要求1

我猜测程序的瓶颈是替换文章的标点对文章进行分词，也就是word_split(str)这一函数过程：

def words_split(str):
    text = re.findall(r'\w+',str) 8     count_dict = {}
    for str in text:
        if str in count_dict.keys():
           count_dict[str] = count_dict[str] + 1
        else:
           count_dict[str] = 1
    count_list=sorted(count_dict.items(),key=lambda x:x[1],reverse=True)
    return count_list

因为正则表达式的处理时间很慢，读取文章内容产生的字符串又非常长，所以我觉得这块应该是程序的瓶颈。根据老师课上三角函数的启发，我的优化方案是：将正则表达式更改为标点符号的替换，因为标点符号的数量有限，在文章篇幅非常长的情况下，替换的时间比正则匹配的时间要短很多。

要求2

因为我使用的编程语言是Python，所以需要使用Python的效能分析工具，我找到了关于Python效能分析的博客并学习了其中的内容，这篇博客的地址在：

http://www.cnblogs.com/xiadw/p/7455513.html

我使用了cProfile作为Python的效能分析工具，代码为：

python -m cProfile -s time wf.py -s < war_and_peace.txt

我得到的结果为：

从效能分析结果上来看我的程序耗时最长的三个函数分别是：

1."replace" of "str" object，即字符串类型的替换操作；

2."findall" of "_sre.SRE_Pattern" object，即正则匹配的findall()方法；

3.words_split()，即我自己写的分词函数；

要求3

根据要求2解决中得到的结论，我发现排名第一的虽然是replace()函数，但是它执行了53次(替换文本中的乱码字符)，单次的执行时间为0.305/53 = 0.005755s，而findall()函数的单次执行时间为0.246s，单次执行时间是replace的接近43倍，所以replace不是影响程序运行时间的主要因素，换句话说，也就是优化空间不大；但是正则方法就不一样了，正则方法可以转化，可以把正则方法转化为replace方法，将正则方法转化为replace函数，效果应该会有比较明显的改善；

修改后的代码：

def words_split(str):             #正则表达式进行分词改为replace
    text = str.replace('\n',' ').replace('.',' ').replace(',',' ').\
               replace('!',' ').replace('\\',' ').replace('#',' ').\
               replace('[',' ').replace(']',' ').replace(':',' ').\
               replace('?',' ').replace('-',' ').replace('\'',' ').\
               replace('\"',' ').replace('(',' ').replace(')',' ').\
               replace('—',' ').replace(';',' ').lower().split()
    count_dict = {}
    for str in text:
        if str in count_dict.keys():
           count_dict[str] = count_dict[str] + 1
        else:
           count_dict[str] = 1
    count_list=sorted(count_dict.items(),key=lambda x:x[1],reverse=True)
    return count_list

 

要求4

新的运行效能分析截图：

新的运行时间截图：

要求5

待老师测评；