【Leetcode819】最常见的单词

Leetcode819 最常见的单词

1.题目

给定一个段落 (paragraph) 和一个禁用单词列表 (banned)。返回出现次数最多，同时不在禁用列表中的单词。

题目保证至少有一个词不在禁用列表中，而且答案唯一。

禁用列表中的单词用小写字母表示，不含标点符号。段落中的单词不区分大小写。答案都是小写字母。

2.解题思路

首先分析题目，得出输入和输出：输入一个字符串段落和一个字符串数组。输出字符串段落中出现次数最多， 并且不在字符串数组里的单词字符串。从题目可知这是一道分析词频的题目。

因为要输出字符串段落中的单词字符串，所以需要字符串拆分（strtok）

因为要采集字符串次数，因此需要使用到字典（dict）和排序（qsort）

因为要确认每个拆分出来的字符串不属于banned列表中，因此每次要进行比较（strcmp）

综上分析，核心解法可以分成：

step1. 拆分字符串（strtok）

step2. 遍历比较当前拆下来的字符串是否在banned中 （strcmp）

step3.1 若在banned中，跳过处理。 step3.2 若不在banned中，则遍历判断是否已经记录在字典中（dict = {word : count}）

step4.2.1 若不在字典中，则字典中新增一个（{word, count=1}）

step4.2.2 若在字典中， 则对应word的count + 1

step5. 按照上述循环完成整个字符串段落的搜索

step6. 对字典的词频进行从大到小排序，并取出词频最大值 count_max所对应的单词。（也可以再遍历一遍字典，筛选出最大值）

再考虑预处理，

pre1. 由于字符串分割时，只能对特定某一种符号进行分割，因此需要将标点符号全转化为空格符号。

pre2. 题目提到banned都是小写字符，因此需要遍历一次数组，将所有大写字母化为小写。

pre3. 题目已经定死段落长度为1000单词以内，单词长度小于10，对于C语言解题时，可以直接写死数组长度。

3.数据结构与算法

数据结构：字典

算法：字符串拆分算法、排序算法

4.字符串拆分 + 定长字典排序

typedef struct {
    char val[11];
    int time;
} WordDict;

int Cmp (const void* a, const void* b)
{
    return ((WordDict*)b)->time - ((WordDict*)a)->time;
}

char * mostCommonWord(char * paragraph, char ** banned, int bannedSize) {
    int i;
    int j;
    int is_in_banned = 0;   //  是否在banned名单里
    int is_in_dict = 0;  //     是否已经存在dict里

    // 预处理
    while (paragraph[i] != 0) {
        if (paragraph[i] >= 'A' && paragraph[i] <= 'Z') {
            // paragraph[i] += ('a' - 'A');
            paragraph[i] = tolower(paragraph[i]);
        }
        if ((paragraph[i] < 'A' || paragraph[i] > 'Z') && ((paragraph[i] < 'a' || paragraph[i] > 'z'))) {
            paragraph[i] = ' ';
        }
        i++;
    }
    
    // 创建词频字典 word,count
    // 因为不知道多少单词，所以定位为段落的最大值。
    WordDict para_word_dict[1000];
    memset(para_word_dict, 0, sizeof(WordDict) * 1000);

    // 主功能，提取字符串
    char* temp = strtok(paragraph, " ");

    // 每次获得新单词时候，int is_in_banned, is_in_dict标记清零
    while (temp != NULL) {
        is_in_banned = 0;
        is_in_word = 0;
        
        // 判断是否在banned中
        for (i = 0; i < bannedSize; i++) {
            if (strcmp(banned[i], temp) == 0) {
               is_in_banned = 1;
               break;
            }
        }
        
        // 若在banned中，下面if不执行，直接分割下个字符串
        // 若不在banned中，判断是否在字典中。
        if (!is_in_banned) {
            j = 0;
            is_in_word = 0;
            
            // 判断是否在字典中->遍历有序字典到当前字典末端，time = 0 等价于 !val
            while (para_word_dict[j].time != 0 && j < 1000) {
                if (strcmp(para_word_dict[j].val, temp) == 0) {
                    para_word_dict[j].time++;
                    is_in_word = 1;
                    break;
                }
                j++;
            }
            
            // 不在，则新增一个val,time
            if (!is_in_word) {
                strcpy(para_word_dict[j].val, temp);
                para_word_dict[j].time++;
            }
        }
		
        // 获取新字符串
        temp = strtok(NULL, " ");
    }

	qsort(para_word_dict, 1000, sizeof(para_word_dict[0]), Cmp);
    
    // 输出
    char* res = (char*)malloc(11);
    memset(res, 0, 11);
    strcpy(res, para_word_dict[0].val);
    return res;
}