PTA热点新闻

作者 周强

单位 青岛大学

我们可以利用搜索引擎搜索网页等资源，再借助一些工具就可以生成这样的“词云”：

嫑犯愁，现在不要求生成这样的词云，而是换个简单些的要求：

对于输入的若干篇新闻报道以及若干个搜索关键词，统计输出包含各关键词的新闻篇数，并输出包含最热关键词的新闻概要。

输入格式:

输入由前后两部分组成。

第一部分是不超过100000篇新闻报道，每篇新闻的格式是：

• 第1行是新闻标题，长度大于零且不超过60。
• 第2行是新闻发布日期，由8位数字组成，格式是yyyymmdd（4位年+2位月+2位日）
• 接下来若干行是新闻正文，总长度大于零且不超过500，由若干词、标点、空格、换行组成，所有字符为英文半角字符。
• 标点仅有, . ? : !五种，且标点都是单独出现，绝对不会出现相邻两个字符都是标点的情况。
• 词是由不超过30个连续的字母、数字、符号等非空格、非换行符组成的，词不包含以上五种标点，但标点有可能紧跟在一个词的末尾。例如文本Look! There is a u-turn!中，有五个词Look There is a u-turn

两篇新闻之间，有一行分隔符------（连续6个-）；全部新闻结束后，有一行分隔符######（连续6个#）。新闻标题和正文中保证不出现这两种分隔符。

分隔符######之后，是第二部分，由2行组成：

• 第1行是不超过10000的正整数N和不超过100000的非负整数K，由空格分隔。
• 第2行是N个不超过30位的各不相同的搜索关键词，这些关键词仅包含小写字母、数字，不含大写字母、符号。

输出格式:

输出由前后两部分组成。
首先对于每个搜索关键词，统计新闻正文中出现该词的新闻篇数，注意：（1）仅统计新闻正文，不统计新闻标题，（2）不区分大小写，例如Alien与alien是相同的词，（3）区分词的时态、单复数、包含符号等各种变化形式，例如aliens和alien是不同的词，u-turn和uturn是不同的词（4）显然，若一个词在所有新闻中均未出现，则篇数为0，（5）统计的是出现关键词的新闻篇数，不是词出现的次数。

题目保证至少有一个关键词在至少一篇新闻中出现。

对于每个搜索关键词，若该词出现篇数不低于K，则输出在第一部分：

• 每行一词，格式为 词:篇数
• 若不低于K篇的多于一词，则按照篇数从高到低输出；若有多于一词篇数相同，则这些词按照词的字典序（英文字母从a至b排序、数字从0至9排序，数字排在字母之前）输出
• 若不存在不低于K篇的词，则输出一行None!

在第二部分，对于出现篇数最高、且关键词的字典序最前的词，按照新闻的输入顺序，依次输出包含这个关键词的新闻概要，每条新闻一行，格式是新闻标题/发布日期。

输入样例:

5篇新闻，6个搜索关键词，如下所示：

ALIENS APPEARED IN NEW YORK
20200320
The New York Roadside News Agency reported that yesterday a citizen
found an alien on Fifth Avenue in New York.
   The alien snatched a Pear u-phone from the citizen.
------
The Russians caught an alien!
20210322
BBC News reported that a Russian captured an alien in the Siberian forest.
  It turned out that the Russian was drunk and what he caught was a polar bear.
------
Does anyone know this bear?
20190615
Reuters reported that a lost bear was found in Paddington, London.
  The animal rescue organization tried to find a home for the poor bear.
------
New discoveries in Egypt
20180909
Agence France-Presse reported that
Egypt discovered an unknown element in a pyramid built five thousand years ago.
  The pyramid is suspected to be an alien relic.
------
Are you ALIEN?
20210322
The Associated Press reported that a study by the Royal Academy of Sciences showed that
10% of the population of our planet are aliens. Too frightening!
    So, are you an alien? How to prove to others that you are not an alien?
######
6 1
bear citizen about alien home academy

输出样例:

输入的K为1，因此按规定顺序输出包含篇数不低于1的关键词（alien出现在4篇新闻中，bear出现在2篇新闻中，about未出现在任何新闻中，其余3词出现在1篇新闻中），并按顺序输出包含alien的新闻概要，如下所示：

alien:4
bear:2
academy:1
citizen:1
home:1
ALIENS APPEARED IN NEW YORK/20200320
The Russians caught an alien!/20210322
New discoveries in Egypt/20180909
Are you ALIEN?/20210322

这题主要考字符与容器（map，map存储与标记）。

题目说了大小写不管，但最后给小写单词，所以在读入时就可以全改小写。（感觉是作者最后的仁慈不然还要定义容器去存转换）

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
#define endl "\n"
#define P pair<ll,string>

ll n,m;
string s,c;
map<string,vector<string> >mp;//存单词在哪些热点新闻里 
map<string,string>jl;//标记这个单词有没有存过这个新闻 
struct cmp{//排序规则,优先队列里面排序是反着来的! 
	bool operator()(P a ,P b){
		if(a.first != b.first)
			return a.first < b.first;
		return a.second > b.second;
	}
};
priority_queue<P,vector<P>,cmp>q;//排序结果 

void solve(){
	bool f=1;
	while(getline(cin,s)){
		if(s == "######")break;
		if(f){//记录标题和日期
			getline(cin,c),c=s+"/"+c;
			f=0;continue;
		}
		if(s == "------"){//清空标题和日期记录
			jl.clear();
			f=1;continue;
		}
		stringstream ss(s);//用string流读取每个单词
		while(ss >> s){
			if(!isalnum(s[s.size()-1]))s.erase(s.size()-1);//删除单词结尾的字符 
			for(ll i = 0 ; i < s.size() ; i ++)s[i]=tolower(s[i]);//全部小写 
			if(jl[s] != c)mp[s].push_back(c);//单词存标题
			jl[s]=c;//标记单词已经出现过此标题
		}
	}
	cin >> n >> m;
	for(ll i = 0 ; i < n ; i ++)//对结果排序
		cin >> s,q.push({mp[s].size(),s});
	f=1;
	while(!q.empty())//取出符合的单词 
		if(q.top().first >= m){
			if(f)s = q.top().second,f=0;//标记第一个单词 
			cout << q.top().second << ":" << q.top().first << endl;
			q.pop();
		}else break;
	if(f)cout << "None!" << endl,s=q.top().second;//此时需要去标记单词 
	for(ll i = 0 ; i < mp[s].size() ; i ++)//输出单词出现过的标题和时间 
		cout << mp[s][i] << endl;
	return;
}

int main(){
	ll t=1;//cin >> t;
	while(t--)solve();
	return 0;
}