1109 综合实验:文件操作与字符处理 SCAU
题目描述
Description
在当前目录中存在文件名为"case1.in"(其中case后为数字1,不是字母l,写错提交后会判错)的文本文件,
其内容为一篇英文文章(以EOF作为结束标志)。现要求读取该文本文件内容,统计文章中每个单词出现的次数,
并输出出现次数最多的前5个单词及其出现次数(按出现次数由多到少的顺序输出,次数相同时按字典顺序输出,
不足5个单词时,按序输出全部单词)。程序中注意如下细节:
(1) 空格、标点符号与回车符起到分隔单词的作用。
(2) 文章一行的末尾可能有连字符,出现连字符时,该行最末的字符串与下行最先出现的字符串构一个单词;
(3) 名词缩写算一个单词;
(4) 数字不算单词;
(5) 单词不区分大小写;
(6) 输出时单词全使用小写;
#include “stdio.h”
#include “math.h”
#include “string.h”
#include “stdlib.h”
main()
{
_______________________
}
输入格式
文件case1.in中一篇英文文章,包含多段文字,单词数不超过10000,每个单词不超过20个字符
输出格式
按题意输出答案
输入样例
(如case1.in内容如下)
I am a student. My school is SCAU. It is a beau-
tiful university. I like it.
输出样例
a 2
i 2
is 2
it 2
am 1
思路
用fgetc从文件中读取字符并进行处理,然后用选择排序的方法进行排序,最后输出。
使用结构体数组储存数据。
题目分析
从文件中读取文本内容,然后统计单词个数并按字典顺序和单词出现次数对单词进行排序,最后输出次数最多的前5个单词及其出现次数(按出现次数由多到少的顺序输出,次数相同时按字典顺序输出,不足5个单词时,按序输出全部单词),从而实现一个简单的统计排序功能。
变量说明
结构体d_word 储存单词和单词出现次数,使用结构体数组d_word T[10005]储存去重排序处理后单词信息,字符数组char words[10005] [25]储存从文件中读取的初始单词信息。
算法描述
使用选择排序的方法对单词次数从大到小排序,同时对单词出现次数相同的单词进行字典排序。选择排序的时间复杂度是O(n*n)。
单词去重和统计次数使用遍历数组的暴力算法,把初始读入的words数组中的元素一一与结构体数组T中元素比较,如果数组T中不存在该单词,则复制words数组中单词进T中,单词出现次数加1;若已经存在该单词,找到该单词所在数组位置,该单词出现次数加1。时间复杂度也是n的平方。
总结
一开始读取文件使用了fscanf读入一个字符串,然后发现读入之后较难进行单词处理,所以改用了每次读取一个字符的方法,对字符进行处理判断,并以读入单词,标点符号,回车符作为一个单词结束的标志。这样可以比较方便地处理分割单词,并且对一些不属于单词的字符可以不用读入数组中,比如空格或换行符,只是在写判断单词结束条件时花了比较多的时间。然后是排序那里一开始使用的是快排,后来发现快排写字典排序反而超时了,就使用了较简单的选择排序,复杂度是n的平方。运行时间是736 ms。
代码
#include "stdio.h"
#include "math.h"
#include "string.h"
#include "stdlib.h"
typedef struct d_word
{
char word[25] = {'\0'};
int time = 0;
} d_word;
int getfile(char words[][25],d_word T[])//从文件中读取单词并返回单词个数
{
FILE* fp;
fp = fopen("case1.in", "r");
if (fp==NULL)
{
printf ("error");
exit(0);
}
char temp[25],ch,ch1;
int i, j, q=0, k,n=0,num=0;
while((ch=fgetc(fp))!=EOF)
{
if(ch>='a'&&ch<='z')
words[n][q++]=ch;
else if(ch>='A'&&ch<='Z')
words[n][q++]=ch+32;
else if(ch=='-')//判断是否为连字符
{
ch=fgetc(fp);
if(ch=='\n')
continue;
else
{
n++;
q=0;
if(ch>='a'&&ch<='z')
words[n][q++]=ch;
else if(ch>='A'&&ch<='Z')
words[n][q++]=ch+32;
}
}
else
{
n++;
q=0;
}
}
for(i=0; i<n; i++)
{
if(words[i][0]<'a'||words[i][0]>'z')
{
words[i][0]='\0';
}
}
fclose(fp);
return n;
}
int De_duplication(int n,d_word T[],char words[][25])//单词去重+统计出现次数
{
int num = 0;
int i, j, k;
int flag = 0;
for (i = 0; i < n; i++)
{
for (j = 1,flag=0; j <= num&&words[i][0]!='\0'; j++)
{
if (strcmp(words[i], T[j].word)==0)
{
flag = 1;
T[j].time++;
break;
}
}
if (flag != 1&&words[i][0]!='\0')
{
num++;
strcpy(T[j].word, words[i]);
T[j].time++;
}
flag=0;
}
return num;
}
void Sort(d_word T[],int m)//选择排序
{
int i,j,k;
char temp[25];
for (i = 1; i < m ; i++)
{
k = i;
for (j = i + 1; j <= m; j++)
if (T[k].time < T[j].time || (T[k].time == T[j].time
&& strcmp(T[k].word, T[j].word) > 0))
k = j;
if (k != i)
{
int t = T[k].time;
T[k].time = T[i].time;
T[i].time = t;
memset(temp,0,sizeof(temp));
strcpy(temp, T[k].word);
memset(T[k].word,0,sizeof(T[k].word));
strcpy(T[k].word, T[i].word);
memset(T[i].word,0,sizeof(T[i].word));
strcpy(T[i].word, temp);
}
}
return;
}
int main()
{
char words[10005][25];
int i, j, k, n, m;
d_word T[10005];
n=getfile(words,T);//读取文件
m=De_duplication(n,T,words);//去重+计数
Sort(T, m);//选择排序
for (i=1; i<=5&&i<=m; i++)
{
printf("%s %d\n",T[i].word,T[i].time);
}
return 0;
}
参考(https://blog.csdn.net/Hunter_Kevin/article/details/117005682)