PTA 词频统计 stl

7-11 词频统计（25 分）

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！

作者: DS课程组

单位: 浙江大学

时间限制: 2000ms

内存限制: 64MB

代码长度限制: 16KB

 

 

#include<bits/stdc++.h>
using namespace std;
int sum = 0;
bool cmp(int a, int b)
{
    return a > b;
}
int main()
{
    string s;
    char ch;
    map<string,int>ss;
    vector<int>a;
    while((ch = getchar()) != '#')
    {
        if(isupper(ch)) ch = ch + 32;
        else if(!isalnum(ch)&&ch!='_') ch = ' ';
        s += ch;
    }

    string m;
    stringstream h(s);
    while(h>>m) {
            if(m.length() > 15) m.resize(15);
        if(ss.count(m)) ss[m]++;
        else {ss[m] = 1;sum++;}
    }
    int num = ss.size();
    cout<<num<<endl;
    int nnum = num / 10;
    map<string,int>::iterator it;
    for(it = ss.begin(); it != ss.end(); it++)
    {
        int m = (*it).second;
        a.push_back(m);
    }
    sort(a.begin(), a.end(), cmp );
    for(int i = 0; i < nnum; i++)
    {
        int m = a[i];
        for(it = ss.begin(); it != ss.end(); it++)
        {
            if((*it).second == m)
            {
                cout<<m<<":"<<(*it).first<<endl;
                (*it).second = 0;
                break;
            }
        }
    }
}