20200917-2 词频统计
此作业的要求参见：https://edu.cnblogs.com/campus/nenu/2020Fall/homework/11206
词频统计 SPEC
老五在寝室吹牛他熟读过《鲁滨逊漂流记》，在女生面前吹牛热爱《呼啸山庄》《简爱》和《飘》，在你面前说通读了《战争与和平》。但是，他的四级至今没过。你们几个私下商量，这几本大作的单词量怎么可能低于四级，大家听说你学习《构建之法》，一致推举你写个程序名字叫wf，统计英文作品的单词量并给出每个单词出现的次数，准备用于打脸老五。
希望实现以下效果。以下效果中数字纯属编造。
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。
>type test.txt My English is very very pool. >wf -s test.txt total 5 very 2 my 1 english 1 is 1 pool 1
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.
答：
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。
>wf gone_with_the_wand total 1234567 words the 5023 a 4783 love 4572 fire 4322 run 3822 cheat 3023 girls 2783 girl 2572 slave 1322 buy 822
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。
答：
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。
>dir folder
gone_with_the_wand
runbinson
janelove
>wf folder
gone_with_the_wand
total 1234567 words
the 5023
a 4783
love 4572
fire 4322
run 3822
cheat 3023
girls 2783
girl 2572
slave 1322
buy 822
----
runbinson
total 1234567 words
friday 5023 sea 4783 food 4572 dog 4322 run 3822 hot 3023 cood 2783 cool 2572 bible 1322 eat 822 ---- janelove total 1234567 words love 5023 chat 4783 lie 4572 run 4322 money 3822 inheritance 3023 class 2783 attribute 2572 data 1322 method 822
因为单词量巨大，只列出出现次数最多的10个单词。
此功能完成后你的经验值+8.
答：
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。
>wf -s < the_show_of_the_ring total 176 the 6 a 3 festival 2 dead 2 for 2 ...
此功能完成后你的经验值+10.
答：
功能5 此功能为选做题，如果完成正确得30经验值，如果不做得0经验值，不会倒扣分数。
你完成了所有功能，后面的博客、PSP等也都精心准备了，去食堂的路上心情大悦。坐下挠了挠手机访问cnblogs上的班级，却发现大家的作业也都非常优秀，自己并不突出，心下黯然。怎么才能更加杰出呢？一抬头，看到老杨老师和和邹欣老师正坐桌对面吃饭，你说出了自己的困惑。
老杨说，“精益求精，一步步榨出自己的潜力来，正是走向杰出的开始啊。”
你说，“老师你具体点呗。”
邹欣老师说，“这样，我想知道5个字母的单词中最频繁出现的是哪10个单词，top10，你怎么办呢？”
你一下就想到了，说了思路，应该blablabla。邹欣老师又问，“6个字母的单词中最频繁出现的是哪10个单词呢，top10？”
老杨追问，“6个字母的字母的单词中最频繁出现的是哪100个单词呢，top100？”
你问，“算法我想好了，性能估计也没问题，命令行参数老师怎么规定呢？”
老杨说，"你来规定，写个简单的文档，包括如何运行，给出运行实例的截图。"
"可变的参数就是(1)几个字母和(2)排行前多少是吧？没有问题。"
此时，你想起自己一直做作业还没有吃饭。肚子咕咕叫得声音如此之大，把你吵醒了。是赶紧去吃饭呢，还是做完这题再说？
答：前面的数字代表单词字母的个数，后面的数字代表显示top多少，分别对应四个功能
功能一 功能二
功能三 功能四
功能实现
(以上每1经验值对应 1分。)
要求在同一个可执行程序中实现全部功能，而不是每个功能单独用一个可执行程序实现。
博客
(10分)
发表博客，介绍上述“项目”中每个功能的重点/难点，展示重要代码片断，给出执行效果截图，展示你感觉得意、突破、困难的地方。
答：（1）我是把每个功能看成一个整体，每个功能都必须将文件里的单词处理好，
处理单词的重点，要考虑不是所有单词都由空格分开，有可能是逗号，句号等等。
所以需要除了字母以外都要分开。
1 Map<String,Integer> map = new HashMap<String,Integer>();
2 String data = null;
3 //读取文本一行
4 while((data=br.readLine())!=null) {
5 String[] word = data.split("[^a-zA-Z]");
6 for (int i = 0; i < word.length; i++) {
7 if(!word[i].equals("")) {
8 if(map.containsKey(word[i])) {
9 Integer word_num = map.get(word[i]);
10 map.put(word[i],++word_num);
11 }else {
12 map.put(word[i],1);
13 }
14 }
15 }
16 }
（2）下一个难点是文件夹，文件处理这块，比较复杂，功能三文件夹处理利用递归的方式
public static void fileName(String str) throws IOException {
File file = new File(System.getProperty("user.dir")+"/"+str);
//功能三,处理目录
if(file.isDirectory()){
File[] tempList = file.listFiles();
for (int i = 0; i < tempList.length; i++) {
System.out.println(tempList[i].getName());
fileName(str+"/"+tempList[i].getName());
System.out.println("------------");
}
}else {
if(str.contains(".txt")) {
minFile(str);
}else {
englishFile(str);
}
}
}
（3）下一个难点是参数处理，要考虑在控制台输入的参数的位置，要考虑这五种功能的情况
if(args.length != 0) {
if(args[0].equals("-s")) {
if(args.length == 2) {
fileName(args[1]);
}else {
if(args.length == 4) {
wordNum = Integer.parseInt(args[2]);
wordTop = Integer.parseInt(args[3]);
fileName(args[1]);
}else if(args.length == 3){
wordNum = Integer.parseInt(args[1]);
wordTop = Integer.parseInt(args[2]);
redir();
}else {
redir();
}
}
}else {
if(args.length == 3) {
wordNum = Integer.parseInt(args[1]);
wordTop = Integer.parseInt(args[2]);
}
fileName(args[0]);
}
}
代码片断要求1 凡不缩进的，此题目拒绝接收。不知道什么是“缩进”的同学，请自行补课，不接受以“不知道”作为理由。
代码片断要求2 要求使用cnblogs代码控件，参见往届同学黄兴、宫成荣的作业。凡粘贴IDE中的代码截图，或者贴文字而没有关键字高亮或彩色的，0分。
[http://www.cnblogs.com/huangxman/p/5871201.html]
[http://www.cnblogs.com/gongcr/p/5873493.html]
图表过小、字迹不清、错别字、句子不通顺的，教师会因为读不懂而对此题扣分。
PSP
(8分)
在同一篇博客中，参照教材第35页表2-2和表2-3，为上述“项目”制作PSP阶段表格。
PSP阶段表格第1列分类，如功能1、功能2、测试功能1等。
要求1 估算你对每个功能 (或/和子功能)的预计花费时间，填入PSP阶段表格，时间颗粒度为分钟。
要求2 记录词频统计项目实际花费时间，填入PSP阶段表格，时间颗粒度要求分钟。
要求3 对比要求1和要求2中每项时间花费的差距，分析原因。
代码及版本控制
(5分。虽然只有5分，但此题如果做错，因为教师得不到你的代码，所以会导致“功能实现”为负分。)
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。
要求频繁checkin。要求在PSP中记录的每次离开键盘5分钟以上，需要checkin。如果你持续长达4小时不离开键盘，教师要求展示此项能力。
推荐git客户端tortoisegit。
推荐先pull [https://github.com/weijunying2019102969/novelsfortest.git]，里面有测试用例。
答：Github：https://github.com/zhaoyw456/wf.git
coding.net：https://e.coding.net/zhaoyingwei/zyw/wf.git
