大魔王程序员生成记#项目01#统计文章中单词出现次数，并排序

 

以下是第一次写的代码：

#include<stdio.h>
#include<assert.h>
#include<malloc.h>
#include<string.h>
#include<ctype.h>
#define SIZE 5000000

typedef struct Word
{
	char arr[40];
	int count;//当前单词个数
}Word;//存储每个单词

typedef struct Num
{
	Word *brr;//指向某一个单词的结构体
	int length;
	int listsize;
}N;//单词总量

const char* GetWord(const char *path)//将文件保存在内存中
{
	assert(path!=NULL);
	FILE *fr=fopen(path,"r");
	assert(fr!=NULL);
	fseek(fr,0,SEEK_END);
	int len=ftell(fr);//该函数返回位置标识符的当前值。
	char *str=(char *)malloc(len*sizeof(char));
	fseek(fr,0,SEEK_SET);//重置
	fread(str,len,1,fr);
	*(str+len-1)='\0';
	fclose(fr);
	return str;
}

int Length(Num num)//统计总单词个数
{
	return num.length;
}

Num WriteWords(const char*str,Num num)//将内存中的单词写入结构体
{
	assert(*str!=NULL);
	int i=0;
	int j=0;
	bool flag=false;
	while(*str!='\0')
	{
		if((*str>=65&&*str<=90)||(*str>=97&&*str<=122)||*str=='\'')
		{
			num.brr[i].arr[j]=*str;
			j++;
			str++;
			flag=true;
		}
		else
		{
			if(flag)
			{
				num.brr[i].count=1;
				num.brr[i].arr[j]='\0';
				i++;
				num.length++;
				j=0;
				flag=false;
			}
			str++;
		}
	}
	return num;
}

Num SumWords(Num num,int many)//统计单词出现个数
{
	for(int i=0;i,i<many;i++)
	{
		for(int j=i+1;j<many;j++)
		{
			if(num.brr[i].count==0)
			{
				break;
			}
			if(!strcmp(num.brr[i].arr,num.brr[j].arr))
			{
				num.brr[i].count++;
				num.brr[j].count=0;
			}
		}
	}
	return num;
}

void Show(Num num,int many)
{
	for(int i=0;i<many;i++)
	{
		if(num.brr[i].count==0)
		{
			continue;
		}
		printf("%s",num.brr[i].arr);
		printf("  %d\n",num.brr[i].count);
	}
}

Num Sort(Num num,int many)//排序
{
	/*int temp;
	char temp2[40];*/
	Word temp;
	for(int j=0;j<many;j++)
	{
		for(int i=0;i<many-j;i++)
		{
			if(num.brr[i].count<num.brr[i+1].count)
			{
				temp=num.brr[i];
				num.brr[i]=num.brr[i+1];
				num.brr[i+1]=temp;

				/*temp=num.brr[i].count;
				strcpy(temp2,num.brr[i].arr);	
				num.brr[i].count=num.brr[i+1].count;
				strcpy(num.brr[i].arr,num.brr[i+1].arr);
				num.brr[i+1].count=temp;
				strcpy(num.brr[i+1].arr,temp2);	*/
			}
		}	
	}
	return num;
}

int main()
{
	const char *path="E:\\1.txt";
	const char *str=GetWord(path);
	Num num;
	num.length=0;
	num.brr=(Word*)malloc(SIZE*sizeof(Word));
	num = WriteWords(str,num);
	int many=Length(num);
	SumWords(num,many);
	Sort(num,many);
	Show(num,many);
	printf("总单词个数为:%d\n",many);
	free(num.brr);
	return 0;
}

注：所使用的文章是哈利波特与魔法石全文。vs2012，使用过程中isalpha这一类库函数不知为何不能使用，所以判断时用了一个类似的。

在这个版本中是存在BUG的，虽然能够运行出结果，但是和答案有200左右的偏差，最高频率出现的单词个数也有5-10个左右的偏差。起初的原因，以为是在内存申请的时候不能够在主函数返回正确的大小导致，于是就改变成不在函数中申请内存返回，而是选择在主函数中申请。 但是运行的结果还是不行，没有改变。于是又从文章中选取部分进行测试，通过断点监视，一步步来寻找出错点。于是发现在从文件写入内存时，我是用的文件读取是fread(str,len,1,fr);是一次性全部读取。我测试过文件的长度，返回值是正确的，那么理论上应该是能够一次性把文件的内容写到内存中，但是通过监视窗口发现，在文章快要到结束的时候，后面的文字没有被写入内存，全部都是“屯屯屯”。然后又试了各种方式，但无果。最终只好放弃这种方式，改为使用fgetc()进行逐字写入。以下是最终版：(程序中有很多注释掉的地方，都是之前的测试)

#include<stdio.h>
#include<assert.h>
#include<malloc.h>
#include<string.h>
#include<ctype.h>
#include <time.h>
#define SIZE 5000000

/*
“烫”是未初始化的栈空间，“屯”是申请后未做过内存清零或COPY的堆内存。
*/
typedef struct Word
{
	char arr[40];
	int count;//当前单词个数
}Word;//存储每个单词

typedef struct Num
{
	Word *brr;//指向某一个单词的结构体
	int length;
	int listsize;
}N;//单词总量

int Len(const char *path)
{
	assert(path!=NULL);
	FILE *fr=fopen(path,"r");
	assert(fr!=NULL);
	fseek(fr,0,SEEK_END);
	int len=ftell(fr);
	fclose(fr);
	return len;
}

char* GetWord(const char *path,char *str,int len)//将文件保存在内存中
{
	//assert(path!=NULL);
	FILE *fr=fopen(path,"r");
	//assert(fr!=NULL);
	//fseek(fr,0,SEEK_END);
	//int len=ftell(fr);//该函数返回位置标识符的当前值。
	//char *str=(char *)malloc(len*sizeof(char));
	//fseek(fr,0,SEEK_SET);//重置
	//fread(str,len,1,fr);
	//*(str+len+1)='\0';

	fseek(fr,0,SEEK_SET);
	for(int i=0;i<len;i++)
	{
		*str=fgetc(fr);
		//printf("%c",*str);
		str++;
	}
	/*do
	{
		*str=fgetc(fr);
		printf("%c",*str);
		str++;
	}
	while(*str!=EOF);*/
	//str++;
	*str='\0';
	fclose(fr);
	return str;
}

int Length(Num num)//统计总单词个数
{
	return num.length;
}

Num WriteWords(const char*str,Num num)//将内存中的单词写入结构体
{
	assert(*str!=NULL);
	int i=0;
	int j=0;
	bool flag=false;
	while(*str!='\0')
	{
		if((*str>=65&&*str<=90)||(*str>=97&&*str<=122)||*str=='\'')
		{
			num.brr[i].arr[j]=*str;
			j++;
			str++;
			flag=true;
		}
		else
		{
			if(flag)
			{
				num.brr[i].count=1;
				num.brr[i].arr[j]='\0';
				i++;
				num.length++;
				j=0;
				flag=false;
			}
			str++;
		}
	}
	return num;
}

Num SumWords(Num num,int many)//统计单词出现个数
{
	for(int i=0;i,i<many;i++)
	{
		for(int j=i+1;j<many;j++)
		{
			if(num.brr[i].count==0)
			{
				break;
			}
			if(!strcmp(num.brr[i].arr,num.brr[j].arr))
			{
				num.brr[i].count++;
				num.brr[j].count=0;
			}
		}
	}
	return num;
}

void Show(Num num,int many)
{
	for(int i=0;i<many;i++)
	{
		if(num.brr[i].count==0)
		{
			continue;
		}
		printf("%s",num.brr[i].arr);
		printf("  %d\n",num.brr[i].count);
	}
}

Num Sort(Num num,int many)//排序
{
	/*int temp;
	char temp2[40];*/
	Word temp;
	for(int j=0;j<many;j++)
	{
		for(int i=0;i<many-j;i++)
		{
			if(num.brr[i].count<num.brr[i+1].count)
			{
				temp=num.brr[i];
				num.brr[i]=num.brr[i+1];
				num.brr[i+1]=temp;

				/*temp=num.brr[i].count;
				strcpy(temp2,num.brr[i].arr);	
				num.brr[i].count=num.brr[i+1].count;
				strcpy(num.brr[i].arr,num.brr[i+1].arr);
				num.brr[i+1].count=temp;
				strcpy(num.brr[i+1].arr,temp2);	*/
			}
		}	
	}
	return num;
}

int main()
{
	clock_t start,finish;//记录程序运行时间
    double totaltime;
    start=clock();


	const char *path="E:\\1.txt";
	//const char *str=GetWord(path);
	int len=Len(path);
	char *str=(char *)malloc(len*sizeof(char));
	GetWord(path,str,len);
	Num num;
	num.length=0;
	num.brr=(Word*)malloc(SIZE*sizeof(Word));
	num = WriteWords(str,num);
	int many=Length(num);
	SumWords(num,many);
	Sort(num,many);
	Show(num,many);
	printf("总单词个数为:%d\n",many);
	free(num.brr);


	finish=clock();//记录程序运行时间
	totaltime=(double)(finish-start)/CLOCKS_PER_SEC;
 	printf("\n程序运行的时间为: %.5f 秒",totaltime);

	return 0;
}

这个版本的运行结果是没有问题的。

在这个项目完成后，就要考虑程序的时间复杂度，来进行优化。这个项目将来还要进行许多的改进，比如说在排序方面，可以变为快排，堆排以减少时间复杂度。还可以往里面加功能，如输入字符串进行查找，显示字符串共出现的次数。

以下是加了快排和查找的修改版：

#include<stdio.h>
#include<assert.h>
#include<malloc.h>
#include<string.h>
#include<ctype.h>
#include <time.h>
#define SIZE 5000000

/*
“烫”是未初始化的栈空间，“屯”是申请后未做过内存清零或COPY的堆内存。
*/
typedef struct Word
{
	char arr[40];
	int count;//当前单词个数
}Word;//存储每个单词

typedef struct Num
{
	Word *brr;//指向某一个单词的结构体
	int length;
	int listsize;
}N;//单词总量

int Len(const char *path)
{
	assert(path!=NULL);
	FILE *fr=fopen(path,"r");
	assert(fr!=NULL);
	fseek(fr,0,SEEK_END);
	int len=ftell(fr);
	fclose(fr);
	return len+1;
}

char* GetWord(const char *path,char *str,int len)//将文件保存在内存中
{
	//assert(path!=NULL);
	FILE *fr=fopen(path,"r");
	//assert(fr!=NULL);
	//fseek(fr,0,SEEK_END);
	//int len=ftell(fr);//该函数返回位置标识符的当前值。
	//char *str=(char *)malloc(len*sizeof(char));
	//fseek(fr,0,SEEK_SET);//重置
	//fread(str,len,1,fr);
	//*(str+len+1)='\0';

	fseek(fr,0,SEEK_SET);
	for(int i=0;i<len;i++)
	{
		*str=fgetc(fr);
		//printf("%c",*str);
		str++;
	}
	/*do
	{
		*str=fgetc(fr);
		printf("%c",*str);
		str++;
	}
	while(*str!=EOF);*/
	//str++;
	*str='\0';
	fclose(fr);
	return str;
}

int Length(Num num)//统计总单词个数
{
	return num.length;
}

Num WriteWords(const char*str,Num num)//将内存中的单词写入结构体
{
	assert(*str!=NULL);
	int i=0;
	int j=0;
	bool flag=false;
	while(*str!='\0')
	{
		if((*str>=65&&*str<=90)||(*str>=97&&*str<=122)||*str=='\'')
		{
			num.brr[i].arr[j]=*str;
			j++;
			str++;
			flag=true;
		}
		else
		{
			if(flag)
			{
				num.brr[i].count=1;
				num.brr[i].arr[j]='\0';
				i++;
				num.length++;
				j=0;
				flag=false;
			}
			str++;
		}
	}
	return num;
}

Num SumWords(Num num,int many)//统计单词出现个数
{
	for(int i=0;i,i<many;i++)
	{
		for(int j=i+1;j<many;j++)
		{
			if(num.brr[i].count==0)
			{
				break;
			}
			if(!strcmp(num.brr[i].arr,num.brr[j].arr))
			{
				num.brr[i].count++;
				num.brr[j].count=0;
			}
		}
	}
	return num;
}

void Show(Num num,int many)
{
	for(int i=0;i<many;i++)
	{
		if(num.brr[i].count==0)
		{
			continue;
		}
		printf("%s",num.brr[i].arr);
		printf("  %d\n",num.brr[i].count);
	}
}

Num Sort(Num num,int many)//排序冒泡
{
	/*int temp;
	char temp2[40];*/
	Word temp;
	for(int j=0;j<many;j++)
	{
		for(int i=0;i<many-j;i++)
		{
			if(num.brr[i].count<num.brr[i+1].count)
			{
				temp=num.brr[i];
				num.brr[i]=num.brr[i+1];
				num.brr[i+1]=temp;

				/*temp=num.brr[i].count;
				strcpy(temp2,num.brr[i].arr);	
				num.brr[i].count=num.brr[i+1].count;
				strcpy(num.brr[i].arr,num.brr[i+1].arr);
				num.brr[i+1].count=temp;
				strcpy(num.brr[i+1].arr,temp2);	*/
			}
		}	
	}
	return num;
}


Num QuickSort(Num num,int left,int right)//快排
{
	int f;
	Word t;
	int rtemp,ltemp;
	ltemp=left;
	rtemp=right;
	f=num.brr[(ltemp+rtemp)/2].count;
	while(ltemp<rtemp)
	{
		while (num.brr[ltemp].count<f)
		{
			++ltemp;
		}
		while (num.brr[rtemp].count>f)
		{
			--rtemp;
		}
		if(ltemp<=rtemp)
		{
			t=num.brr[ltemp];
			num.brr[ltemp]=num.brr[rtemp];
			num.brr[rtemp]=t;
			--rtemp;
			++ltemp;
		}
	}
	if(ltemp==rtemp)
	{
		ltemp++;
	}
	if(left<rtemp)
	{
		QuickSort(num,left,ltemp-1);
	}
	if(ltemp<right)
	{
		QuickSort(num,rtemp+1,right);
	}
	return num;
}

void Search(Num num ,int many,char *sch)//检索
{
	printf("检索结果：\n");
	for(int i=0;i<many;i++)
	{
		if(num.brr[i].count==0)
		{
			continue;
		}
		if(!strcmp(num.brr[i].arr,sch))
		{
			printf("%s   %d",num.brr[i].arr,num.brr[i].count);
		}
	}
}

int main()
{
	clock_t start,finish;//记录程序运行时间
    double totaltime;
    start=clock();


	const char *path="E:\\1.txt";
	//const char *str=GetWord(path);
	int len=Len(path);
	char *str=(char *)malloc(len*sizeof(char));
	GetWord(path,str,len);
	Num num;
	num.length=0;
	num.brr=(Word*)malloc(SIZE*sizeof(Word));
	num = WriteWords(str,num);
	int many=Length(num);
	SumWords(num,many);
	//Sort(num,many);//冒泡排序
	QuickSort(num,0,many-1);//快速排序
	Show(num,many);
	printf("总单词个数为:%d\n",many);
	//printf("=====================\n");
	//char sch[]="Harry";
	//printf("检索单词为：%s\n",sch);
	//Search(num,many,sch);//单词检索
	free(num.brr);


	finish=clock();//记录程序运行时间
	totaltime=(double)(finish-start)/CLOCKS_PER_SEC;
 	printf("\n程序运行的时间为: %.5f 秒",totaltime);

	return 0;
}