7-18 词频统计(30 分)
请编写程序,对一段英文文本,统计其中所有不同单词的个数,以及词频最大的前10%的单词。
所谓“单词”,是指由不超过80个单词字符组成的连续字符串,但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线,其它字符均认为是单词分隔符。
输入格式:
输入给出一段非空文本,最后以符号#
结尾。输入保证存在至少10个不同的单词。
输出格式:
在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写,例如“PAT”和“pat”被认为是同一个单词。
随后按照词频递减的顺序,按照词频:单词
的格式输出词频最大的前10%的单词。若有并列,则按递增字典序输出。
输入样例:
This is a test.
The word "this" is the word with the highest frequency.
Longlonglonglongword should be cut off, so is considered as the same as longlonglonglonee. But this_8 is different than this, and this, and this...#
this line should be ignored.
输出样例:(注意:虽然单词the
也出现了4次,但因为我们只要输出前10%(即23个单词中的前2个)单词,而按照字母序,the
排第3位,所以不输出。)
23
5:this
4:is
感谢武汉理工大学的郭小兵老师修正测试数据!
根据题目知,单词最大大小为80 所以如果一个字符串长度是90 那么他可能就是俩个单词了
单词只能由大小写字母 和数字和下划线组成 其余被认为是分隔符
这次个人感觉还是用数组 Hash 比较好,但是做的过程中觉得链表较好 O(∩_∩)O;
还有大小写转换 巴拉巴拉;
补充一个小知识点,scanf("%[a-z,A-Z,0-9]")真的是可以为所欲为的 scanf 有很多用法和扩展 真的很好用,我应该会总结一篇过于scanf 的用法拓展吧;
此题我用到 哈希 .最大堆和SCANF的特殊输入
#include <stdio.h>
#include <string.h>
#include <math.h>
#include <stdlib.h>
#include <ctype.h>
#define MAX 1000000
typedef struct Node *Hash; /**哈希的结构体**/
struct Node{
char *s;