PTA5-11 基于词频的文件相似度

5-11 基于词频的文件相似度 (30分)

实现一种简单原始的文件相似度计算，即以两文件的公共词汇占总词汇的比例来定义相似度。为简化问题，这里不考虑中文（因为分词太难了），只考虑长度不小于3、且不超过10的英文单词，长度超过10的只考虑前10个字母。

输入格式:

输入首先给出正整数NN（\le 100≤100），为文件总数。随后按以下格式给出每个文件的内容：首先给出文件正文，最后在一行中只给出一个字符#，表示文件结束。在NN个文件内容结束之后，给出查询总数MM（\le 10^4≤10 
​4 
​​ ），随后MM行，每行给出一对文件编号，其间以空格分隔。这里假设文件按给出的顺序从1到NN编号。

输出格式:

针对每一条查询，在一行中输出两文件的相似度，即两文件的公共词汇量占两文件总词汇量的百分比，精确到小数点后1位。注意这里的一个“单词”只包括仅由英文字母组成的、长度不小于3、且不超过10的英文单词，长度超过10的只考虑前10个字母。单词间以任何非英文字母隔开。另外，大小写不同的同一单词被认为是相同的单词，例如“You”和“you”是同一个单词。

输入样例:

3 
Aaa Bbb Ccc 
# 
Bbb Ccc Ddd 
# 
Aaa2 ccc Eee 
is at Ddd@Fff 
# 
2 
1 2 
1 3 
输出样例:

50.0% 
33.3%

---

一开始没有仔细看题，心想stringstream分割一下单词即可。