[转载]分析一个文本文件(英文文章)中各个词出现的频率,并且把频率最高的10个词打印出来。 - 赵天 - 博客园

[转载]分析一个文本文件(英文文章)中各个词出现的频率,并且把频率最高的10个词打印出来。 – 赵天 – 博客园.

设计分析:

遇到这样一个程序设计,首先解决的是文件读入的问题(我选择读入txt),用C中的文件指针很容易解决;

第二,英文文章中由英文字母,标点符号,其他字符组成,要将他们分离,这就用到了词法分析,将每个单词分离出来并且分析;

第三,统计单词个数(不一样的单词各有几个),排序,输出频率最高的10个。

要解决的是文件读取后储存问题,就是放在结构体中,单词的种类和数量统计起来。可以用结构体数组,可以用链表。

统计后排序的问题,如果将整个结构体或链表排序,那将是一件好大的工程,但是题目只是将频率最高的10个词打印出来,就像每天人们听歌,排行榜上的 第一页是用户听得最多的歌曲。于是,我只是初始化了一个结构体数组,长度为10,将10个排序,然后用最后一个,也就是这10个中频率最小的与其他的比 较,如果有频率比他高的,则插入到这个长度为10 的结构体数组中。插入之后还是顺序的。这样就节省了很多的工作量。

数据结构:

储存单词的数据结构:

①结构体

typedef struct
{
char danci[19];//储存单词
int count;//记录单词个数,后面出现几次
}sq;

②链表

struct Word

{
char danci[19];
int count;
struct Word *next;
};

找出频率最高的十个单词

for(i=10;i<n;i++)
{
if(frequency_max[9].count<word[i].count)
{
int a=8;
while(frequency_max[a].count<word[i].count&&a>=0)
{
a–;
}

for(j=9;j>a+1;j–)
{
frequency_max[j]=frequency_max[j-1];
}
if(a<0)
frequency_max[0]=word[i];
else
frequency_max[j]=word[i];
}
}

 

代码:

#include<iostream>
#include<iomanip>
#include<time.h>
using namespace std;
#define M 20000
 //文章单词个数

typedef struct 
{
    char danci[19];//储存单词
    int count;//记录单词个数,后面出现几次
}sq;

void main()
{    
    double start,finish;
    start=(double)clock();
    sq word[M];
    sq t_word;
    double s,f;
    int K,n=0,i,j;
    char infile[10];
    s=(double)clock();
    cout<<"***********请输入文件路径:***********"<<endl;
    cin>>infile;//文件路径输入    
    f=(double)clock();//
    cout<<"输入文件路径的时间:"<<(f-s)/1000<<"s"<<endl;

    FILE *fp;
    char ch;
    //fp=fopen("d://pro.txt","r");
    if((fp=fopen(infile,"r"))==NULL)
    {
        cout<<"无法打开文件!"<<endl;
        exit(0);
    }
    s=(double)clock();
    while(!feof(fp))
    {
        ch=getc(fp);
        if(ch==' '||ch==10)
        {//虑空
            continue;
        }
        if((ch>='a'&&ch<='z')||(ch>='A'&&ch<='Z'))              //发现一个单词
        {
            K=0;
            t_word.count=1;
            while((ch>='a'&&ch<='z')||(ch>='A'&&ch<='Z')||(ch=='\''))
            {
                if(ch>='A'&&ch<='Z')
                    ch+=32;//转换成小写
                t_word.danci[K++]=ch;
                ch=getc(fp);
            }
            t_word.danci[K++]='\0';
                  
            //一个单词结束
            j=n;
            
            for(i=0;i<j;i++) //与前面的单词比较
            {
                if(strcmp(t_word.danci,word[i].danci)==0)
                {    
                    word[i].count++;
                    break;    
                }
            
            }

            if(n==0||i==j)
            {
                word[n]=t_word;
                n++;
            }
            
        }
    }
    f=(double)clock();
    cout<<"读文件,分出单词并统计的时间:"<<(f-s)/1000<<"s"<<endl;

    s=(double)clock();
    //输出频率最高的十个单词
    sq frequency_max[10];
    sq temp;
    for(i=0;i<10;i++)
    {
        frequency_max[i]=word[i];//初始化频率最高的十个单词为前十个单词
    }
//前十个排序
    
    for(j=0;j<10;j++)
        for (i=0;i<10-j;i++)
            if(frequency_max[i].count<frequency_max[i+1].count)
            {
                temp=frequency_max[i];
                frequency_max[i]=frequency_max[i+1];
                frequency_max[i+1]=temp;
            }
    for(i=10;i<n;i++)
    {
        if(frequency_max[9].count<word[i].count)
        {
            int a=8;
            while(frequency_max[a].count<word[i].count&&a>=0)
            {
                a--;
            }
            
            for(j=9;j>a+1;j--)
            {
                frequency_max[j]=frequency_max[j-1];
            }
            if(a<0)
                    frequency_max[0]=word[i];
            else
                frequency_max[j]=word[i];
        }
    }
    f=(double)clock();
    cout<<"冒泡排序,搜索频率最高的10个单词的时间:"<<(f-s)<<"ms"<<endl;
    for(i=0;i<10;i++)
    {
        cout<<setiosflags(ios::left)<<setw(10)<<frequency_max[i].danci<<frequency_max[i].count<<endl;
    }
    finish=(double)clock();
    cout<<"总运行时间:"<<(finish-start)/1000<<"s"<<endl;
}
赞(0) 打赏
分享到: 更多 (0)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏