需求:
1.设计一个词频统计软件,统计给定英文文章的单词频率。
2.文章中包含的标点不计入统计。
3.将统计结果以从大到小的排序方式输出。
设计:
1.因为是跨专业0.0···并不会c++和java,只能用仅学过的C语言进行编写,还是挺费劲的。
2.定义一个包含单词和频率两个成员的结构体来统计词频(进行了动态分配内存,可以处理较大文本)。
3.使用fopen函数读取指定的文档。
4.使用fgetc函数获取字符,再根据取得的字符是否是字母进行不同的处理。
5.采用快速排序法对统计结果进行排序。
5.将整个统计结果循环输出。
部分代码:
结构体定义:
struct fre_word { int num; char a[18]; };
分配初始内存:
struct fre_word *w; w=(struct fre_word *)malloc(100*p*sizeof(struct fre_word));//给结构体分配初始内存
读取文本:
printf("输入读入文件的名字:"); scanf("%s", filename); //输入需要统计词频的文件名 if((fp=fopen(filename, "r"))==NULL) { printf("无法打开文件\n"); exit(0); }
单词匹配:
/****************将单词出现次数设置为1****************************/ for(i=0;i<100;i++) { (w+i)->num=1; } /****************单词匹配****************************************/ i=0; while(!feof(fp))//文件尚未读取完毕 { ch=fgetc(fp); (w+i)->a[j]=‘\0‘; if(ch>=65&&ch<=90||ch>=97&&ch<=122) //ch若为字母则存入 { (w+i)->a[j]=ch; j++; flag=0; //设标志位判断是否存在连续标点或者空格 } else if(!(ch>=65&&ch<=90||ch>=97&&ch<=122)&&flag==0) //ch若不是字母且上一个字符为字母 { i++; j=0; flag=1; for(m=0;m<i-1;m++) //匹配单词,若已存在则num+1 { if(stricmp((w+m)->a,(w+i-1)->a)==0) { (w+m)->num++; i--; } } } /****************动态分配内存****************************************/ if(i==(p*100)) //用i判断当前内存已满 { p++; w=(struct fre_word*)realloc(w,100*p*(sizeof(struct fre_word))); for(n=i;n<=100*p;n++) //给新分配内存的结构体赋初值 (w+n)->num=1; } }
快速排序:
void quick(struct fre_word *f,int i,int j) { int m,n,temp,k; char b[18]; m=i; n=j; k=f[(i+j)/2].num; //选取的参照 do { while(f[m].num>k&&m<j) m++; // 从左到右找比k小的元素 while(f[n].num<k&&n>i) n--; // 从右到左找比k大的元素 if(m<=n) { //若找到且满足条件,则交换 temp=f[m].num; strcpy(b,f[m].a); f[m].num=f[n].num; strcpy(f[m].a,f[n].a); f[n].num=temp; strcpy(f[n].a,b); m++; n--; } } while(m<=n); if(m<j) quick(f,m,j); //运用递归 if(n>i) quick(f,i,n); }
结果输出:
for(n=0;n<=i;n++) { printf("文档中出现的单词:"); printf("%-18s",(w+n)->a); printf("其出现次数为:"); printf("%d\n",(w+n)->num); }
测试用例:
看了之前同学的博客以及老师的评论,就使用了较长的文本进行测试,用的是奥巴马就职演讲稿。
部分测试结果:
时间: 2024-11-08 21:49:11