5.13 词频统计 (30分)

词频统计

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！

题目链接：https://pintia.cn/problem-sets/434/problems/6259

AC代码：

#include <map>
#include <cmath>
#include <stack>
#include <string>
#include <iostream>
#include <algorithm>
using namespace std;

struct node {
	string word;
	int count;
}arr[10010];

bool cmp(node a, node b)
{
	if (a.count == b.count) {
		return a.word < b.word;
	}

	return a.count > b.count;
}

int main() {

	string str;
	int num = 0;
	while (cin >> str) {
		string word = "";
		int i, k = 0, flag = 0;
		for (i = 0; i < str.size(); i++) {
			if ((str[i] >= '0'&&str[i] <= '9') || (str[i] >= 'a'&&str[i] <= 'z') ||(str[i] >= 'A'&&str[i] <= 'Z')|| str[i] == '_') {
				if (str[i] >= 'A'&&str[i] <= 'Z') {
					str[i] += 32;
				}
				word += str[i];
				k++;
			}
			else {
				if (str[i] == '#') {
					flag = 1;
					break;
				}

				int j, m = 1;
				for (j = 0; j < num; j++) {
					if (arr[j].word == word) {
						arr[j].count++;
						m = 0;
					}
				}
				if (m&&word != "") {
					arr[num].word = word;
					arr[num].count = 1;
					num++;
				}

				word = "";
				k = 0;
			}

			if (k == 15) {
				break;
			}
		}
		
		int j, m = 1;
		for (j = 0; j < num; j++) {
			if (arr[j].word == word) {
				arr[j].count++;
				m = 0;
			}
		}
		if (m&&word != "") {
			arr[num].word = word;
			arr[num].count = 1;
			num++;
		}
		
		if (flag) {
			break;
		}
	}

	sort(arr, arr + num, cmp);

	cout << num << endl;
	int i;
	for (i = 0; i < num / 10; i++) {
		cout << arr[i].count << ":" << arr[i].word << endl;
	}

	//system("pause");

	return 0;
}