n-gram串频统计

题目描述

在文本分析中常用到n-gram串频统计方法，即，统计相邻的n 个单元（如单词、汉字、或者字符）在整个文本中出现的频率。假设有一个字符串，请以字符为单位按n-gram 统计长度为 n 的子串出现的频度，并输出最高频度以及频度最高的子串。设定所给的字符串不多于500个字符，且 1 < n <5。 如果有多个子串频度最高，则根据其在序列中第一次出现的次序输出多个，每行输出一个，如果最高频度不大于1，则输出 NO

例如，n=3，所给的串是：abcdefabcd，
则，所有的 3-gram是：abc,bcd,cde,def,efa,fab,abc,bcd。最后面的cd不足以形成3-gram，则不考虑。这样，abc 和 bcd 都出现了2次，其余的只出现了1次，于是，输出结果应该是：
2
abc
bcd

关于输入

第一行为n
第二行为字符串

关于输出

输出最高频度以及频度最高的所有子串。

例子输入

3

abcdefabcd

例子输出

2

abc

bcd

源码实现

#include<iostream>
#include<cstring>
#include<string>
using namespace std;
int main() {
	string s;
	string str[500];
	int times[500] = { 0 };
	int n;
	cin >> n;
	cin >> s;
	int len = s.size();
	int count = 0;
	int max = 1;
	for (int i = 0; i <= len - n; i++) {
	//注意这个小于等于≤
		string ss = s.substr(i, n);
		if (count == 0) {
			str[0] = ss;
			count++;
			times[0] = 1;
		}
		else {
			bool isExist = false;
			for (int i = 0; i < count; i++) {
				if (str[i] == ss) {
					isExist = true;
					times[i]++;
					if (times[i] > max)
						max = times[i];
				}
					
			}
			if (!isExist) {
				str[count] = ss;
				times[count] = 1;
				count++;
			}
				
		}
	}
	if (max == 1)
		cout << "NO" << endl;
	else {
		cout << max << endl;
		for (int i = 0; i <= count; i++) {
			if (times[i] == max)
				cout << str[i] << endl;
		}
	}
	
	return 0;
}