文本文件单词统计（C语言）

文本文件单词统计（C语言）

本人目前还是一位在校大学生，写文章的目的是为了记录一下当前所学，与其他爱好者或从业者相互学习交流。文本文件单词统计这个题目是学校的一次课程设计中的一道，在编写时也是参考了很多资料，借鉴了一些别人的想法，如有冒犯我会及时删除。同样，我的编写成果肯定会存在一些不足之处，也请读者多多包涵。
这个题目的具体信息如下：
1、问题描述
编写一个文本文件单词统计的程序，包括建立文件、单词统计、单词查询、单词定位的功能。

2、基本要求
程序应先询问用户的 ID号(ID 号包括两个大写字母和4 位数字)，例如:请输入用户 ID 号:AB1234 ，程序应对输入的 ID 号验证，符合 ID 号要求的格式（检验ID并不是主要要求，大家可自行忽略），然后程序提示四种选择:
(1) 建立文件
(2) 单词统计
(3) 单词查询及定位
(4) 退出
注意:
i) 文件至少包含50个英文单词（一定出现重复的单词，且一定包含数字）
ii) 文档不规范，单词之间可能不只有一个空格，并且有加引号的一些单词“jiaozi” 加引号的单词算单词，但数字不算单词
iii) 逐行扫描文本文件，计算文档中单词总数，及各个单词出现的频次，并且按照单词首字母abcd…… 的顺序排列，显示并生成soft.txt文件
iv) 查询任意给出的单词是否存在，如果不存在，在屏幕上输出“查无此词！”；如果存在，显示单词出现的总次数，并且详细列出其出现的位置。
例如：
请您输入待查询的词：of
单词 of 共出现了2次；
第1次出现在第1行，第5个位置；
第2次出现在第3行，第1个位置。
请您输入待查询的词：

3、问题分析
解决如下问题：
1.检测用户ID格式是否正确，要求（1）用户ID位数为6；（2）前两位为大写英文字母，后四位是数字；
2.可创建文本文件并可输入内容；
3.对文本文件中的单词数进行统计，要求：（1）输出时将单词按照字典顺序排序；（2）数字不算入总数；（3）引号内的单词也算入总数；
4.实现单词定位，要求（1）输出单词出现的详细位置；（2）输出该单词出现的次数

1.4、功能实现
i.检验用户ID：用户从键盘中输入一个字符串。程序将接受的字符串赋值到一个字符数组，遍历数组中的元素判断格式是否正确。

ii.建立文本文件：(1）定义一个串变量;(2）定义文本文件;(3）输入文件名，打开该文件;(4）循环读入文本行，写入文本文件，其过程如下:
While(不是文件输入结束){
读入一文本行至串变量;
串变量写入文件;
输入是否结束输入标志;}
(5）关闭文件。

iii.朴素匹配算法：该算法是整个单词检索程序的核心。对于主串的每一个字符作为子串的开头，与要匹配的字符串进行匹配，对主串做最大的循环，每个字符开头都做子串长度的小循环，直到匹配成功或者全部遍历完成为止。更具体地说：设有三个指针i,j,k,用i指示主串S每次开始比较的位置；指针j,k分别指示主串S和模式串T中当前正在等待比较的字符位置;一开始从主串S的第一个字符（i=0;j=1）和模式T的第一个字符(k=0）比较，若相等，则继续逐个比较后续字符(j++,k++)。否则从主串的下一个字符（i++）起再重新和模式串(j=0）的字符开始比较。依此类推，直到模式T中的所有字符都比较完，而且一直相等，则称匹配成功，并返回位置 i;否则返回-1，表示匹配失败。（可能讲述地不清楚，读者可再查询其他资料进行学习）

iv. 单词统计：
单词总个数统计：在下文提到的单词出现频率统计的过程结束之后，将每个单词出现的次数相加就是单词的总个数。

单词之间有多个空格。在进行判断时，若空格之后仍然是空格，则多个空格作为一个空格进行处理。

单词出现频率统计：逐行扫描文本，将不同的单词放在一个字符数组中。在扫描过程中，每遇到一个与已保存在数组中的某一个单词相同的单词的时候，该单词的计数加1。

按字典顺序排序：将数组中的每个元素（即单词）采用冒泡法排序，最后输出详细的单词出现频率。

v.单词查询：遍历保存单词的字符数组，将要查询的单词与数组元素挨个比对。若不存在，则显示“查无此词”。

vi.单词定位：确定要检索的文本文件，确定要检索的单词，逐行扫描文本，将所要查询的单词与文本比对，若相同则立即输出行数和相应位置。

源代码如下：

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#include<time.h>


typedef struct{
	char str[50]; //单词最大长度设为50
	int cnt;      //单词出现次数
}Str;			  //存放一个单词 

int vcount(char* p){							//统计文本中单词个数 
	FILE *fp;
	char temp[50];    //在进行冒泡排序时临时存放单词 
    char tmp[50];     //用于在从文件中读取单词时临时存放单词 
	Str words[200];   //单词数量上限(200)
	int num=0,count=0;//实际单词数量：num的值为不同的单词个数，count的值为总单词个数 
	int i,j,neww=1;   //neww标志位，判断是否为新单词 
	int m,n;
	if((fp=fopen(p,"r"))==NULL){
        printf("找不到文件\n");
        return -1;
    }
	loop: while(fscanf(fp,"%s",tmp)!=EOF){		//fscanf从文件中挨个读取单个字符串 （单词）								
		neww=1;
		for(i=0;i<50;i++){						//若读入的是数字则读取下一个字符串（因为数字不计入单词数） 
			if(tmp[i]>='0'&&tmp[i]<='9'){
				goto loop;
			}
		}
		for(i=0;i<50;i++){						//读入的字符串（单词）中可能包含标点符号",""."和自定义的结束标记"$" ，遇到这些符号将字符串断开 
			if(tmp[i]=='$'||tmp[i]==','||tmp[i]=='.') 
				tmp[i]='\0';
		}
		for(i=0; i<num; i++){
			//重复的单词 
			if (strcmp(tmp, words[i].str)==0 ){ //和已经读取的单词进行比对，看是否为新单词。若不是，则单词出现次数加1 
				neww=0;
				words[i].cnt++;
			}
		}
		if (neww){								//若是新单词，则复制字符串进入word数组 
			for (j=0; tmp[j]!='\0'; j++) {
				words[num].str[j] = tmp[j];
			}
			words[num].str[j] = '\0';			//单词末尾添加结束符
			words[num++].cnt = 1;				// 新单词数量+1
		}
	}
	for(m=0;m<num-1;m++){								//采用冒泡排序实现单词的字典排序 
		for(n=0;n<num-1;n++){
			if(strcmp(words[n].str,words[n+1].str)<0)   //A>B,返回正数;A<B,返回负数;A=B,返回0
			{
				strcpy(temp,words[n].str); 				//数字可以用“=”交换，字符串用strcpy函数
				strcpy(words[n].str,words[n+1].str);
				strcpy(words[n+1].str,temp);
			}
		}
	}
	for(m=0;m<num;m++){							//统计单词总数 
		count += words[m].cnt;
	} 
	printf("一共%d个不同的单词，每个单词出现次数如下：\n",num);//输出信息
	for (i=num-1; i>=0; i--) {
		printf("%-10s %2d\n", words[i].str, words[i].cnt);
	}
	printf("单词个数为(包含重复出现)%d\n",count); 
    fclose(fp);
}


int Index(char* p){									//朴素模式匹配算法
	int j=0,i=0;//j用于记录输入的子串的长度,i用于记录主串的长度
	char S[1000],T[50];	//s[]存放文件中的字符，t[]存放要搜索的单词 
    char ch1,ch2;									
    FILE *fp;
    if((fp=fopen(p,"r"))==NULL){
        printf("找不到文件\n");
        return -1;
    }
    ch1=fgetc(fp);			//将文件读取到一维数组当中
    while(ch1!='$'){
    	S[i]=ch1;
        i++;
        ch1=fgetc(fp);
    }
    S[i]='$';
    printf("请输入你要搜索的单词:\n");  //建立子串（输入想要搜索的单词） 
    scanf("%s",T);
	ch2=T[0];
    while(ch2!='\0'){					//j代表了所要搜索的单词的长度 
    	j++;
    	ch2=T[j]; 
	}
    //朴素模式匹配算法实现
    int row=1,col=1;//row为行，col为列 
    int m=0,n=0,q=1;//m为S（主串）的下标，n为T（子串）的下标，q用于换行时记录m的值
    int num=0;//num用于记录选定单词出现的次数
    int left=0;//判断左右引号 
    while(m<i){
        if(S[m]=='"'){								//加引号的单词处理：跳过引号，读取下一个字符，并设置标记left=1 
        	m=m+1;
        	left=1;
		}
		if(S[m]==T[n]){
            m++;
            n++;
        }
        else{
            m=m-n+1;
            n=0;
        };

        if(n==j&&S[m+1]!=' '){						//匹配到相应单词 
            num++;									//出现次数加1 
            if(row==1){
                col=m-n+1;
                printf("第%d次出现的位置位于第%d行第%d列\n",num,row,col);
            }
            else{
                col=m-n-q; 
                printf("第%d次出现的位置位于第%d行第%d列\n",num,row,col);
            }
        }

		if(S[m]==' '||(S[m]=='"' &&left==1)){					//遇到右引号的情况下和空格进行一样的处理 
			col++;
			left=0;
			while(S[m]==' '||S[m]=='"') 
				m=m+1;
		}
    	if(S[m]=='\n'){
        	row++;
        	q=m;
    	};

    	if(S[m]=='$'){
        	printf("所选单词出现的次数是%d\n",num);
        	return num;
    	}
	}
}

void createfile(char* p){									//创建文件 
	FILE *fp;
    char ch;
    fp=fopen(p,"w+");
   	ch=getchar();											//写入文件 
    printf("请输入单词:（请以$符号结束）\n");
    while(ch!='$')
    {
        ch=getchar();
        fputc(ch,fp);
     }
    fclose(fp);
}

int checkID(char s[],int x) {                              // 检验ID  ID格式；共6位 前两位大写字母 后四位为数字 
	int i = 0,y = x; 
	char t[6];
	if(strlen(s)!=6){
		printf("您输入的格式不正确（位数不是6位），请重新输入!\n");
		return 1;
	}
	for(i=0;i<y;i++){
		t[i] = s[i];
	}
	for(i=0;i<y;i++){      //判断前两位 
		if(i<2){
			if(t[i]>='A'&&t[i]<='Z')  ;
			else {
			    printf("您输入的格式不正确（前两位不是大写英文字母），请重新输入!\n"); 
			    return 1;
				break;
			}
		}
		if(i>=2){          //判断后四位 
			if(t[i]>='0'&&t[i]<='9')   ;
			else {
			 	printf("您输入的格式不正确（后四位中包含非数字字符），请重新输入！\n",i+1);
				return 1;
			   	break;
			}
		}
	}
}


int main(){
	int j = 1,l = 0;
	int count=-1,c=-1;
	char filename[255],afilename[255];
	char *p;
	char ID[6];
	char quit;
	while(j==1){                   // 调用cheakID函数对用户名进行判断 
		printf("请输入您的ID!（前两位为大写字母，后四位为整数）\n");
		scanf("%s",ID);
		j = checkID(ID,sizeof(ID));
		if(j==0){
			printf("输入正确！"); 
		}
	}
	while(true){ 
		printf("请选择您想要进行的操作（请输入操作前对应的数字）\n  1.建立文件\n  2.单词查询及定位\n  3.单词统计\n  4.退出\n");
		scanf("%d",&l);    
		fflush(stdin);			//吃掉回车符 
		if(l!=1&&l!=2&&l!=3&&l!=4){         
			printf("您的输入有误，请重新输入！");
		}
		if(l==1){
			printf("请输入所要创建的文件名（包括扩展名）");
			scanf("%[^\n]",filename);
			p=filename;
			createfile(p);  
			printf("文件创建成功！");           // 建立文件 
		}
		if(l==2){           					// 具体单词定位及查询 
			while(count==-1){
				printf("请输入文件名（包括扩展名）");
				scanf("%[^\n]",afilename);
				fflush(stdin);
				p=afilename;
				count=Index(p);
				if(count==0){
					printf("查无此词！");
				}
				if(count==-1){
					printf("文件名有误，请重新进入查询！\n");
					break; 
				}	
			}
		}
		if(l==3){
			while(c==-1){
				printf("请输入文件名（包括扩展名）");
				scanf("%[^\n]",afilename);
				fflush(stdin);
				p=afilename;
				c=vcount(p);
				if(c==-1){
					printf("文件名有误，请重新进入查询！\n");
					break;
				}
			}	
		}
		if(l==4){
			printf("您已退出该程序！"); 
			break;                    			//退出练习程序 
		}
	}
}	

部分运行结果截图：