文本文件单词的检索与计数——实验准备

文本文件单词的检索与计数——实验准备

实验任务

建立一个文本文件，统计给定单词在文本文件中出现的总次数及位置；

实现要求

文本文件中每个单词不包含空格且不跨行，单词由字符序列构成且区分大小写，统计给定单词在文本文件中出现的总次数，检索输出的某个单词出现在文本中的行号、在该行中出现的位置。

设计数据量大的文本，进行子串的查询处理，分析算法运行的时间效率，对所有输出的匹配位置结果进行验证，以证明算法设计和实现的正确性。

用朴素模式匹配算法或KMP算法实现字符串定位； 可正确读取，保存文本；

实验思路

首先创建一个变量，用于储存文本文档路径。然后创建一个数组，将文本文档的内容包括空格，全部导入到数组中。输入要查找的单词，使用朴素模式匹配算法，找到对应的单词，用变量记录下位置，并判断它是否为单独的单词。若判断为true，则返回单词位置，并继续向前遍历，计数器++。若判断返回false，则继续向前遍历。

KMP算法

KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出的，因此人们称它为克努特—莫里斯—普拉特操作（简称KMP算法）。KMP算法的核心是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现，函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n) [1] 。