单词（词组）检索
现在有一个英文字典（每个单词都是由小写的'a'-'z'组成） ，单词量很大，达到 100 多万的单词，而且还有很多重复的单词。
此外，我们现在还有一些 Document，每个 Document 包含一些英语单词。
针对这个问题，请你选择合适的数据结构，组织这些数据，使时间复杂度和空间复杂度
尽可能低，并且解决下面的问题和分析自己算法的时间复杂度。
1）基本型问题
（1）选择合适的数据结构，将所有的英文单词生成一个字典 Dictionary。
（2）给定一个单词，判断这个单词是否在字典 Dictionary中。如果在单词库中，输出这个单词总共出现的次数。否则输出 NO扩展：
2）扩展型问题
（3）给定一个单词，按字典序输出字典 Dictionary 中所有以这个单词为前缀的单词。例如，如果字典 T={a,aa, aaa, b, ba}, 如果你输入 a,那么输出应该为{a, aa, aaa}。
（4）给定一个单词，输出在Dictionary 中以这个单词为前缀的单词的出现频率最高的10个单词，对于具有相同出现次数的情况，按照最近（即最后）插入的单词优先级比较高的原则输出。
（5）输出 Dictionary 中出现次数最高的 10个单词。
程序所能达到的功能：
（1）建立字典树
（1）查找给定单词的出现频率
（3）输出以给定单词为前缀的所有单词
（4）及其中频率最高的十个单词
（5）全部单词里频率最高的十个单词
//注：在工程项目文件中放入待排序单词的tex文档
#include<stdio.h> #include<string.h> #include<malloc.h> #include<time.h> FILE *out;//设置全局变量，用于递归程序 static int pd=0;//递归搜索全部单词中频率最高的10个单词为单词后，pd 仁然保持为1 struct TrieNode { char c; char word[50]; struct TrieNode *next[26]; long count; }; typedef struct { char pl[50]; long mount; }PINLV; typedef PINLV pinlv[10]; pinlv b;//设置全局变量，用于递归程序 void chushihua(TrieNode *&p) { int i; (*p).c='#'; for(i=0;i<50;i++) p->word[i]='\0'; for(i=0;i<26;i++) p->next[i]=NULL; p->count=0; } struct TrieNode* JLTrieNode(TrieNode *root,char s[50]) { int i,j; struct TrieNode *q,*p; q=root; for(i=0;s[i]!='\0';i++) { if(q->next[s[i]-'a']!=NULL) q=q->next[s[i]-'a']; else { p=(struct TrieNode *)malloc(sizeof(struct TrieNode)); q->next[s[i]-'a']=p; p->c=s[i]; p->count=0;//初始化节点值 for(j=0;j<50;j++) p->word[j]='\0'; for(j=0;j<26;j++) p->next[j]=NULL; q=q->next[s[i]-'a']; } } q->count++; strcpy(q->word,s); return root; } long bianli(struct TrieNode *root)//遍历字典树并将单词按字母表顺序输出 { int i; static long j=0,zonggong=0; struct TrieNode *p; for(i=0;i<26;i++) { p=root->next[i]; if(p!=NULL) { if((*p).count!=0) //*********** { if(j%2==0) fprintf(out,"\n"); //将所有排好序的单词存于磁盘中 else fprintf(out," "); fprintf(out,"(%d)%-35s %-5d",j,(*p).word,(*p).count); //在窗口中输出所有的已排好序的单词 /*if(j%2==0) printf("\n"); else printf(" "); printf("(%d)%-20s ",j,(*p).word); printf("%-4d",(*p).count); */ zonggong+=(*p).count; j++; } zonggong=bianli(p); } } return zonggong; } void digui(struct TrieNode *q, pinlv &a) { int i,j,k; if((*q).c=='#') pd=1; struct TrieNode *p; j=0;/**********444444444444444444444444*/ for(i=0;i<26;i++) { p=q->next[i]; if(p!=NULL) { if((*p).count!=0) //*********** { if(pd!=1)//(3)输出以单词***为前缀的所有单词***3333333333333333333333 printf("%s ",(*p).word);//（若q为根节点，则可以用于遍历整个字典树） //*****将频率最高的10个单词记录在a[j].pl中********444444444444*/ for(j=0;j<10;j++) { if((*p).count>a[j].mount) { for(k=9;k>=j+1;k--) { strcpy(a[k].pl,a[k-1].pl); a[k].mount=a[k-1].mount; } strcpy(a[j].pl,(*p).word); a[j].mount=(*p).count; break; } } //********4444444444444444444444444444************************/ } digui(p,a); } } } void chazhao(struct TrieNode *root,char str[50]) { int i,j,pan=0; pinlv a;//(第4问)************************** for(i=0;i<10;i++)//对字符数组pinlv a进行初始化(pinlv a中存放以***为前缀的频率最高的10个单词) { for(j=0;j<50;j++) a[i].pl[j]='\0'; a[i].mount=0; } struct TrieNode *q; q=root; for(i=0;str[i]!='\0';i++)//根据str在树中搜索：是否存在这个单词 { if(q->next[str[i]-'a']!=NULL) q=q->next[str[i]-'a']; else { printf("没有这个单词\n"); break;}//如果单词还未遍历结束(str[i]!='\0')， //就指向了NULL,说明该单词不在“文档”中(即不在字典树中) } if(str[i]=='\0') { printf("文档中单词%s共有%d个\n",str,q->count);//(第2问)**输出以单词str[]的个数 printf("文档中以单词%s为前缀的单词有:\n",str);//(第3问)**输出以单词str[]为前缀的单词 digui(q,a);//(3,4问)在递归程序中输出以单词str[]为前缀的所有单词， //并且记录以单词str为前缀的频率最高的10个单词为单词于pinlv a中 //(第4问)输出以单词str为前缀的频率最高的10个单词为单词********************/ if(a[0].mount==0) printf("!!!没有以单词%s为前缀的单词 ",str); else { printf("\n以单词%s为前缀的频率最高的10个单词为单词:\n",str); for(i=0;i<10;i++) { printf("(%d)%-10s ",i,a[i].pl); printf("%d\n",a[i].mount); } } //(第4问)输出以单词str为前缀的频率最高的10个单词为单词*******************/ } } int main() { /***********************测试建树的时间***********************************/ double duration; clock_t start= clock();//******运行时间测试开始 char s[50]={'\0'}; int i,k; struct TrieNode *root; FILE *fp; fp=fopen("文档.txt","r"); root=(struct TrieNode *)malloc(sizeof(struct TrieNode)); chushihua(root);//初始化头结点指针 while(!feof(fp))//从文档中换行读取数据 { fscanf(fp,"%s",s); root=JLTrieNode(root,s);//(第1问)建立字典树 }; clock_t finish = clock();//*****运行时间测试结束 duration = (double)(finish-start);//CLOCKS_PER_SEC; printf( "建树时间为: %5.3f ms\n",duration ); fclose(fp); /**************************************************************************/ out=fopen("单词排序.txt","w");//打开一个文档，存放所有单词的按字母排序 long zonggong; zonggong=bianli(root);//遍历字典树 printf("\n总共有%d个单词\n",zonggong);//输出总共的单词个数 for(i=0;i<10;i++)//对字符数组pinlv b进行初始化(pinlv b 存放频率最高的十个单词及其频率) { for(k=0;k<50;k++) b[i].pl[k]='\0'; b[i].mount=0; } //(第5问)在递归算法中将频率最高的10个单词记录在b[j].pl中 digui(root,b); printf("全部单词中频率最高的10个单词为单词:\n");//输出全部单词中频率最高的10个单词为单词 for(i=0;i<10;i++) { printf("(%d)%-10s ",i,b[i].pl); printf("%d\n",b[i].mount); } printf("\n"); pd=pd-1;//digui(root,b)后pd一直保持为1 char panduan; char str[50]={'\0'};//存放要查找的单词 panduan='y'; while(panduan=='y') { printf("请输入要查找的单词:"); scanf("%s",str); //(2,3,4问)输出文档中以***为前缀的所有单词，并输出其中频率最高的10个单词 chazhao(root,str); printf("\n是否继续?y/n:"); do { getchar(); panduan=getchar();//仅输入一个字符，不允许多输入 if(!(panduan=='y'||panduan=='n')) printf("输入字符错误，请重新输入(y/n)!"); }while( !((panduan=='y')||(panduan=='n')) ); } return 0; }
扫一扫
602
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
