统计英文文档里每个单词出现的次数

最近想实现一个统计英文档单词出现次数的功能。

查找规则是将文档里连续出现的<字母>判断为一个单词,如:“D) Let's go to d”,会将其判断为D、Let、s、go、to五个单词并统计出现的次数并不区分大小;

//这个类用来存放出现的单词和其出现的次数
public class WordNode
{
  public string word;
  public int count;
}

/// <summary>
/// 传入要统计的文本字符串,函数会返回WordNode列表,里面有文本字符串中出现的单词和单词出现的次数
/// </summary>
/// <param name="theSource"></param>
/// <returns></returns>
public List<WordNode> GetAllWord(string theSource)
{
//为了可以检索到最后一个单词,需在被检索字符串的末尾加一个非字母字符
string source = theSource + "*";

//取出字母的ascii码
int aInt = 'a';
int zInt = 'z';
int AInt = 'A';
int ZInt = 'Z';

string getWord = string.Empty;
WordNode wordNode;
WordNode foundWordNode;
List<WordNode> result = new List<WordNode>();
int sourceLength = source.Length;
int charCount = 0;
for (int i = 0; i < sourceLength; i++)
{
if ((source[i] >= aInt && source[i] <= zInt) || (source[i] >= AInt && source[i] <= ZInt))//判断是不是字母
{
charCount++;//如果字符是字母则charCount加1
}
else
{
if (charCount > 0)
{
getWord = source.Substring(i - charCount, charCount);
wordNode = new WordNode { word = getWord };

//判断列表里有没有对应的词
if (!result.Exists(x => x.word.Equals(wordNode.word, StringComparison.CurrentCultureIgnoreCase)))//不存在就把wordNode加进去
{
wordNode.count++;
result.Add(wordNode);
}
else//存在就把对应的wordNode取出来,并把count加1;
{
foundWordNode = result.Find(x => x.word.Equals(wordNode.word, StringComparison.CurrentCultureIgnoreCase));
foundWordNode.count++;
}
charCount = 0;
}
}
}
InsertSort(result, result.Count);
return result;
}

/// <summary>
/// 将统计过并返回的List<WordNode>按WordNode.count进行降序排序
/// </summary>
/// <param name="wordNodes"></param>
/// <param name="count">值是wordNodes.count</param>
public void InsertSort(List<WordNode> wordNodes, int count)
{
for (int i = 1; i < count; i++)
{
if (wordNodes[i].count > wordNodes[i - 1].count)
{ //若第i个元素大于i-1元素,直接插入。小于的话,移动有序表后插入 
int j = i - 1;
var x = wordNodes[i]; //复制为哨兵,即存储待排序元素 
wordNodes[i] = wordNodes[i - 1]; //先后移一个元素 
while ( j >= 0 && x .count > wordNodes[j].count)
{ //查找在有序表的插入位置 
wordNodes[j + 1] = wordNodes[j];
j--; //元素后移 
}
wordNodes[j + 1] = x; //插入到正确位置 
}
}
}

最后将将序排序过的统计结果wordNodes输出:

下面截图是“D) Let's go to d”的统计结果

 

posted @ 2017-04-09 15:47  jzzhang  阅读(4494)  评论(0编辑  收藏  举报