8.4 一个统计单词的程序

 

C语言学习栏目目录

---

源码

现在，我们可以编写一个统计单词数量的程序（即，该程序读取并报告单词的数量）。该程序还可以计算字符数和行数。先来看看编写这样的程序要涉及那些内容。首先，该程序要逐个字符读取输入，知道何时停止读取。然后，该程序能识别并计算这些内容：字符、行数和单词。据此我们编写的伪代码如下：

读取一个字符
当有更多输入时
递增字符计数
如果读完一行，递增行数计数
如果读完一个单词，递增单词计数
读取下一个字符
前面有一个输入循环的模型：
while ((ch = getchar()) != STOP)
{
...
}

这里，STOP表示能标识输入末尾的某个值。以前我们用过换行符和句点标记输入的末尾，但是对于一个通用的统计单词程序，它们都不合适。我们暂时选用一个文本中不常用的字符（如，|）作为输入的末尾标记。下一章中会介绍更好的方法，以便程序既能处理文本文件，又能处理键盘输入。

现在，我们考虑循环体。因为该程序使用getchar()进行输入，所以每次迭代都要通过递增计数器来计数。为了统计行数，程序要能检查换行字符。如果输入的字符是一个换行符，该程序应该递增行数计数器。这里要注意STOP 字符位于一行的中间的情况。是否递增行数计数？我们可以作为特殊行计数，即没有换行符的一行字符。可以通过记录之前读取的字符识别这种情况，即如果读取时发现 STOP 字符的上一个字符不是换行符，那么这行就是特殊行。

最棘手的部分是识别单词。首先，必须定义什么是该程序识别的单词。我们用一个相对简单的方法，把一个单词定义为一个不含空白（即，没有空格、制表符或换行符）的字符序列。因此，“glymxck”和“r2d2”都算是一个单词。程序读取的第 1 个非空白字符即是一个单词的开始，当读到空白字符时结束。判断非空白字符最直接的测试表达式是：

c != ' ' && c != '\n' && c != '\t' //如果c不是空白字符，该表达式为真

检测空白字符最直接的测试表达式是：

c == ' ' || c == '\n' || c == '\t' //如果c是空白字符，该表达式为真

然而，使用ctype.h头文件中的函数isspace()更简单，如果该函数的参数是空白字符，则返回真。所以，如果c是空白字符，isspace(c)为真；如果c不是空白字符，!isspace(c)为真。

要查找一个单词里是否有某个字符，可以在程序读入单词的首字符时把一个标记（名为 inword）设置为1。也可以在此时递增单词计数。然后，只要inword为1（或true），后续的非空白字符都不记为单词的开始。下一个空白字符，必须重置标记为0（或false），然后程序就准备好读取下一个单词。我们把以上分析写成伪代码：

如果c不是空白字符，且inword为假
设置inword为真，并给单词计数
如果c是空白字符，且inword为真
设置inword为假

这种方法在读到每个单词的开头时把inword设置为1（真），在读到每个单词的末尾时把inword设置为0（假）。只有在标记从0设置为1时，递增单词计数。如果能使用_Bool类型，可以在程序中包含stdbool.h头文件，把inword的类型设置为bool，其值用true和false表示。如果编译器不支持这种用法，就把inword的类型设置为int，其值用1和0表示。

如果使用布尔类型的变量，通常习惯把变量自身作为测试条件。如下所示：

用if (inword)代替if (inword == true)
用if (!inword)代替if (inword == false)

可以这样做的原因是，如果 inword为true，则表达式 inword == true为true；如果 inword为false，则表达式inword == true为false。所以，还不如直接用inword作为测试条件。类似地，!inword的值与表达式inword == false的值相同（非真即false，非假即true）。

下程序清单把上述思路（识别行、识别不完整的行和识别单词）翻译了成C代码。

/************************************************************************
功能：统计字符数、单词数、行数                                                                   
/************************************************************************/

#include <stdio.h>
#include <ctype.h>　　　　// 为isspace()函数提供原型
#include <stdbool.h>　　　// 为bool、true、false提供定义
#define STOP '|'
int main(void)
{
	char c;						// 读入字符
	char prev;					// 读入的前一个字符
	long n_chars = 0L;			// 字符数
	int n_lines = 0;			// 行数
	int n_words = 0;			// 单词数
	int p_lines = 0;			// 不完整的行数
	bool inword = false;		// 如果c在单词中，inword 等于 true
	printf("输入要分析的文本（输入 | 终止）:\n");
	prev = '\n';				// 用于识别完整的行
	while ((c = getchar()) != STOP)
	{
		n_chars++;				// 统计字符
		if (c == '\n')
			n_lines++;			// 统计行
		if (!isspace(c) && !inword)
		{
			inword = true;		// 开始一个新的单词
			n_words++;			// 统计单词
		}
		if (isspace(c) && inword)
			inword = false;		// 打到单词的末尾
		prev = c;				// 保存字符的值
	}
	if (prev != '\n')
		p_lines = 1;
	printf("字符数 = %ld, 单词数 = %d, 行数 = %d, ",n_chars, n_words, n_lines);
	printf("不完整的行数 = %d\n", p_lines);
	return 0;
}

下面是运行该程序后的一个输出示例：

输入要分析的文本（输入 | 终止）:
hello world
This is my blog
hei |
字符数 = 33, 单词数 = 7, 行数 = 2, 不完整的行数 = 1

该程序使用逻辑运算符把伪代码翻译成C代码。例如，把下面的伪代码：

如果c不是空白字符，且inword为假

翻译成如下C代码：

if (!isspace(c) &&!inword)

再次提醒大家注意，!inword 与 inword == false 等价。上面的整个测试条件比单独判断每个空白字符的可读性高：

if (c != ' ' && c != '\n' && c != '\t' && !inword)

上面的两种形式都表示“如果c不是空白字符，且如果c不在单词里”。如果两个条件都满足，则一定是一个新单词的开头，所以要递增n_words。如果位于单词中，满足第1个条件，但是inword为true，就不递增  n_word。当读到下一个空白字符时，inword 被再次设置为 false。检查代码，查看一下如果单词之间有多个空格时，程序是否能正常运行。下一 章讲解了如何修正这个问题，让该程序能统计文件中的单词量。