5-13 词频统计 (30分)

5-13 词频统计   (30分)

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.

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

代码如下:

#include<stdio.h>
#include<iostream>
#include<string>
#include<algorithm>
#include<vector>
using namespace std;
struct node{
	string s;
	int n;
};
vector<node > q;
bool cmp(node s1,node s2)
{
	if(s1.n ==s2.n )
	return s1.s <s2.s ;
	else
	return s1.n >s2.n; 
}
//比较如果词频一样,按字符从小到大排; 
int main()
{
	char n;
	string s;
	while(scanf("%c",&n))
	{
		if(n>='A'&&n<='Z'||n>='a'&&n<='z'||n>='0'&&n<='9'||n=='_')
		{
			if(n>='A'&&n<='Z')
			n=n+32;
			s+=n;//string可以直接相加 
		}//进行大小写转化,并累加字母为单词; 
		else
		if(n=='#'||s.size()>0)
		{
			string ss;
			if(s.size()>0)
			{
				int g=0;
				for(int i=0;i<15&&i<s.size();i++)
				{
					ss+=s[i];
				}
				for(int i=0;i<q.size();i++)
				{
					if(q[i].s==ss)
					q[i].n++;//记录单词个数; 
					g=1;
				}
				if(g==0)
				{
					node cc ;
					cc.n = 1;
					cc.s = ss;
					q.push_back(cc);
				}//如果是新单词,新记录; 
			}
			s.clear();
			//每次都空; 
			if(n=='#')
			{
				break;
			}
		}
	}
	printf("%d\n",q.size());//单词数 
	sort(q.begin(),q.end(),cmp);//进行排序 
	for(int i=0;i<q.size()/10;i++)
	printf("%d:",q[i].n),cout<<q[i].s,printf("\n");
}


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值