個人項目-詞頻統計(語言：C++)

詞頻統計 (個人項目)

要求

(1). 實現一個控制台程序，給定一段英文字符串，統計其中各個英文單詞（4字符以上含4字符）的出現頻率。 附加要求：讀入一段文本文件，統計該文本文件中單詞的頻率。

(2). 性能分析：

• 對C++代碼運行VS的性能分析工具，找出性能問題並進行優化。
• 對Java程序運行性能分析工具 NetBeans IDE 6.0，找出性能問題並進行優化。

 

---

 

開發語言：C++

各個模塊時間（預估/實際）（本來預估3-4h可完成，但實際花了將近6-7h）

	預估時間	實際時間
詞頻統計	1.5h	1.5h
大小寫轉換	0.75h	1h
長度小於4的單詞刪除	0.75h	1.5h
多個分隔符區分	1h	2h

 

---

 

由於上一次老師提過代碼的規范性，所以這一次的代碼我特意注意了代碼的書寫規范。

下面是源代碼：

#include <iostream>
#include <string>
using namespace std;

struct Word   /* 單詞對象 */
{
    Word() : Str( "" ), Count( 0 )
    {
    }
    string    Str;
    int    Count;
};


void CalcCount( Word *words, string &content, int size )  /* 統計詞頻 */
{
    int i;              /* words單詞 content內容 size個數 */
    for ( i = 0; i < size; i++ )
    {
        if ( words[i].Str == content )
        {
            words[i].Count++;
            return;
        }else if ( words[i].Str == "" )
            break;
    }
    words[i].Str    = content;
    words[i].Count    = 1;
}


int main()
{
    char    ch;
    Word    *words;
    string    content;
    cout << "輸入一段英文:";
    getline( cin, content );
    while ( cin.get( ch ) ) /* 把所有小寫字母換成大寫字母 */
    {
        ch = cin.get(); /* 此部分存疑，可能是輸入問題，這一部分無法實現 */
        if ( 97 <= ch && ch <= 122 )
        {
            char (ch) = char(ch - 32);
            break;
        }
    }

    int wCount = 1;                 /* 計算單詞總數 */
    if ( content.length() < 4 )     /* 長度小於4的單詞刪除 */
    {
        wCount--;
        content.erase( 0, offset + 1 );
        offset = content.find( ' ' );
        continue;
    }
    for ( unsigned int i = 0; i < content.length(); i++ )
    {
        if ( content[i] == ' ' || content[i] == '\t' || content[i] == '\n' || content[i] == '.' || content[i] == ',' )
            wCount++;                                                       /* 分隔符分為' '，'\t'，'\n'，','，'.'五種 */
    }
    words = new Word[wCount];

    string::size_type offset = content.find( ' ' || '\t' || '\n' || '.' || ',' );   /* 單詞以分隔符隔開 */
    while ( offset != string::npos )
    {
        string wStr = content.substr( 0, offset );
        content.erase( 0, offset + 1 );
        CalcCount( words, wStr, wCount );
        offset = content.find( ' ' || '\t' || '\n' || '.' || ',' );
    }
    CalcCount( words, content, wCount );

    for ( int j = 0; j < wCount; j++ ) /* 最后輸出結果 */
    {
        cout << words[j].Str << ":" << words[j].Count << endl;
    }
    delete[] words;
    return(0);
}

運行結果（老師給的例子）：

---

我的分析：

由上圖可以看出，結果並不完全正確，我的代碼里面，小寫字母全部轉換成大寫字母那一塊出了問題。我前前后后大概改了十幾次，也翻閱了C++書，我覺得可能是輸入讀取出了問題，但是怎么改都無濟於事，這個問題算是存疑，之后我會借助同學或者老師的力量解決這個問題的。

我的總結：

由於JAVA的初步學習我覺得還不夠讓我寫出這樣一個程序，所以我還是選擇了C++語言寫了這個程序。這次源代碼，我花的時間比預計的時間多了很多，一部分原因是C++知識的疏漏和遺忘，另一部分原因就是題目的要求細節的難度比較高。這個詞頻統計的題目，雖然以前做過字母的統計，大小寫轉換，分隔符區分等等程序，但是要寫出這個充滿細節需要的程序，確實難上加難，甚至我最后還存了疑，在小寫字母全部轉換成大小字母這兒問題上，並沒有完全解決，短時間內可能再卡在這里，所以我選擇之后借助一個同學和老師的力量解決。

github鏈接：https://github.com/liuyutianlyt/CalcCount.md