英文单词词频统计

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_34778691/article/details/68951235

                                            英文单词词频统计

问题描述:做一个词频统计程序,该程序具有以下功能

       (1)可导入任意英文文本文件

       (2)统计该英文文件中单词数和各单词出现的频率(次数),并能将单词按字典顺序输出。

       (3)将单词及频率写入文件。

本次英文单词的词频统计程序的设计过程中,使用了文件的相关操作(文件的读与写),在文件中录入数据,程序以一个字符串为一个单位读取单词,并将结果输出到result.txt中,而且也在程序中显示。

基本算法设计:在data.txt中输入要统计的英文文章,按逐个字符进行读取,并将连续的字符存储为一个字符串。当读取到的字符不是26个英文字母以内时,则开始新的字符串的读取。直到将整片文章读取为一个一个的字符串。并将这些字符串按照冒泡排序的方法进行排序,以使单词可以按照字典的顺序输出。

      在本次设计过程中,还学会了一下一些知识点:

      1.malloc函数的用法

malloc 向系统申请分配指定size个字节的内存空间。返回类型是 void* 类型。void* 表示未确定类型的指针。C,C++规定,void* 类型可以通过类型转换强制转换为任何其它类型的指针。

     2.c语言中,字符的差为它们对应的ASCII码值之差。

程序源代码:

//文件名:英文单词词频统计.cpp
//作者:Vector_山水之间
//学号:1508010333
//版本:1.3
//完成日期:2017.3.31
//主要功能:在文本文件中输入一篇英文文章,统计文章中每个英文单词出现的次数
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#define MAX 27	                 //26个字母和其他字符
typedef struct Word              //字典树的结构体定义
{
	Word *next[MAX];	         //数组下标0-25代表小写字母,26代表其他字符
	int num;
};
typedef struct tlist             //结构体定义:单词和对应频率
{
	char word[200];
	int time;
};
struct tlist list[3000000];      //定义结构体数组
Word *root;
char str[200]="";                //字符数据初始化为空
char tempword[1000];
int size=0;                      //size为一篇文章中字符串的个数
void output();
void display();
int main();
void createWord(char *str)       //新建单词的函数(形参为字符串指针) 
{
	int len = strlen(str), id;   //strlen函数是测量字符串长度的函数
	Word *p = root, *q;
	for(int i = 0; i < len; i ++)//遍历单词判断当前字符是否为字母或其他字符
	{
		if(str[i] >= 'a' && str[i] <= 'z')
			id = str[i] - 'a';   //字符相减为对应ASCII值相减
		if(str[i] >= 'A' && str[i] <= 'Z')
			id = str[i] - 'A';
		if(str[i] == '\'')       
			id = 26;          //当读取到的字符为26个英文字母除外的其他字符,id置为26
		if(p->next[id] == NULL)  //若已到达链表结尾,开辟新的结构体存入字母
		{
			q = (Word *)malloc(sizeof(Word));
			for(int j = 0; j < MAX; j ++)
			{
				q->num=0;
				q->next[j] = NULL;
			}
			p->next[id] = q;
			p = p->next[id];
		}
		else                       //若未到达链表结尾,指针指向下一个
		{
			p = p->next[id];
		}
	}
	p->num++;                   //重复单词数加1
}
void readWord(Word *p,int len)     //读单词的函数    
{
    int i;
    for(i=0;i<27;i++)
    {
        if(p->next[i]!=NULL)
        {
            if (i==26) 
	    {
	     	str[len+1]='\0';
	        str[len]='\'';
	        len++;
	     } 
	     else 
	     {
              str[len]='a'+i;
	      len++;
	      }
            readWord((Word*)p->next[i],len);
            len--;
        }
    }
	if(p->num!=0)
        {
          str[len]='\0' ;
	  strcpy(list[size].word,str);    //如果遇到单词结束标志,将str存入list[size].word
	  list[size].time=p->num;
          size++;
        }
}
void output()                           //输出函数
{   
    int i;
    FILE *fpx;
    fpx=fopen("result.txt","w");        //将统计结果写入到result.txt文件中
    for (i=1;i<size;i++) 
	fprintf(fpx,"%s   %d\n",list[i].word,list[i].time);
    for (i=1;i<size;i++)                //输出统计结果
    	printf("%s   %d\n",list[i].word,list[i].time);
    fclose(fpx);	
} 
void menu()                             //菜单函数
{       
    int choose;
    printf("----------------英文单词词频统计-----------------------------\n\n");
    printf("使用前请认真阅读使用帮助!\n\n");
    printf("使用帮助:\n");
    printf("请在文本文档data.txt中输入英文单词或者英文文章\n");
    printf("若要修改需要统计的英文单词或者英文文章,请在data.txt文件中进行\n\n");
    printf("若以确保在data.txt文档中输入数据,请按数字键1查看词频统计结果!\n");
    scanf("%d",&choose);
    if(choose==1)
	display();
}void display() //展示统计结果函数{ int i,j; char x; int len=0; //初始时字符串长度为0 root=(Word*)malloc(sizeof(Word)); //为结构体指针root动态开辟存储空间 for (i=0;i<27;i++) root->next[i]=NULL; FILE *fp; fp=fopen("data.txt","r"); //文件打开方式为只读 if(!fp) {printf("\n打开文件data.txt失败!"); }while((x=fgetc(fp))!=EOF) //从txt文档中读入 读入失败时,函数值为EOF(-1) fgetc为从文件中读取一个字符 { if ((x>='A'&&x<='Z')||(x>='a'&&x<='z')||(x=='\''&&len!=0)) { tempword[len]=x;len++;} else { tempword[len]='\0'; createWord(tempword); len=0; } } tempword[len]='\0'; createWord(tempword); //创建对文本最后一个英文字符串的读取 len=0; fclose(fp); readWord(root,0); struct tlist temp; for(i=0;i<size-1;i++) //比较频率大小冒泡排序 for(j=i+1;j<size;j++) if(list[i].time>list[j].time||(list[i].time==list[j].time&&strcmp(list[i].word,list[j].word)>0)) { temp.time=list[i].time; list[i].time=list[j].time; list[j].time=temp.time; strcpy(temp.word,list[i].word); strcpy(list[i].word,list[j].word); strcpy(list[j].word,temp.word); } printf("英文单词及词频统计结果如下:\n"); output();}int main() //主函数 { menu(); return 0; }




阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页