作者 DS课程组
单位 浙江大学
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
思路:
切割开每一个字符串,然后统计和排序。
方法:
先预处理,然后用string流切割,最后排序一下就结束。
AC代码:
#include<bits/stdc++.h> using namespace std; typedef long long ll; #define endl "\n" const ll N = 1e4+7; string s; map<string,ll>mp; struct node{ ll x; string str; }v[N]; bool cmp(node a,node b){//排序规则 if(a.x != b.x) return a.x > b.x; return a.str < b.str; } void solve(){ ll x=0; while(getline(cin,s)){ if(s[s.size()-1] == '#')x=1,s[s.size()-1]=' ';//看有没有结束 for(ll i = 0 ; i < s.size() ; i ++)//把不要的字符变成' ',把字符小写 !isalnum(s[i]) && s[i] != '_' ? s[i]=' ' : s[i]=tolower(s[i]); stringstream ss(s);//字符流 while(ss >> s)//用substr截取前15个字符 s.size() <= 15 ? mp[s]++ : mp[s.substr(0,15)]++; if(x)break;//判断结束 } for(auto i : mp)//从第一个点开始存方便最后输出 v[x].str = i.first,v[x].x = i.second,x++; sort(v+1,v+x+1,cmp);//排序 cout << x-1 << endl;//从1开始,所以要减1 ll len=x/10;//需要输出的字符串个数 for(ll i = 1 ; i <= len ; i ++)//输出 cout << v[i].x << ":" << v[i].str << endl; return; } int main(){ ll t=1;//cin >> t; while(t --)solve(); return 0; }