习题5.13 词频统计(map,vector)

题目
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

#include <bits/stdc++.h>
using namespace std;
struct node{
	string s;
	int num;
}n;
map<string,int>mp;
vector<node>v;
bool cmp(node a,node b){//按字典序排序
	if(a.num !=b.num ) return a.num >b.num ;
	else return a.s <b.s ;
}
int main(){
	string s="";
	char c;
	while(~scanf("%c",&c)){
		if((c>='A'&&c<='Z')||(c>='a'&&c<='z')||(c>='0'&&c<='9')||(c=='_')){//注意样例中给出的一些字符
			if(c>='A'&&c<='Z'){
				c=c-'A'+'a';
			}
			if(s.size()<15) s+=c;//单词长度不超过15
		}else{
			if(s.size()){
				mp[s]++;
				s="";//清空
			}
			if(c=='#') break;
		}
	}
	map<string,int>::iterator it;
	for(it=mp.begin();it!=mp.end();it++){//将单词放入vector中
		n.s =it->first;
		n.num =it->second;
		v.push_back(n);
	}
	sort(v.begin(),v.end(),cmp);//排序,方便后续输出
	cout<<v.size()<<endl;
	int num=v.size()/10;
	for(int i=0;i<num;i++){
		cout<<v[i].num<<':'<<v[i].s<<endl;
	}
    return 0;
}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值