数据结构与算法A实验七查找---7-3 词频统计

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.

结尾无空行

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

结尾无空行

#include<bits/stdc++.h>
using namespace std;
struct node {
	string s;
	int num;
}p;
map<string, int>mp;
map<string, int>::iterator it;
vector<node>v;

bool cmp(node a, node b) {
	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 == '_')) {
			if (c >= 'A' && c <= 'Z')
				c = c - 'A' + 'a';
			if (s.size() < 15)
				s += c;
		}
		else {
			if (s.size() != 0) {
				mp[s]++;
				s = "";
			}
			if (c == '#')
				break;
		}
	}
	for (it = mp.begin(); it != mp.end(); it++) {
		p.s = it->first;
		p.num = it->second;
		v.push_back(p);
	}
	sort(v.begin(), v.end(), cmp);
	cout << v.size() << endl;
	int m = v.size() / 10;
	for (int i = 0; i < m; i++) {
		cout << v[i].num << ":" << v[i].s << endl;
	}
	return 0;
}