哈希算法 C语言（链表巨量且随机的查找）

最新推荐文章于 2025-05-07 16:51:23 发布

Cute_jinx

最新推荐文章于 2025-05-07 16:51:23 发布

阅读量1.5k

点赞数

CC 4.0 BY-SA版权

分类专栏： C语言，数据结构，算法文章标签： C语言哈希算法数据结构与算法最大堆

本文链接：https://blog.youkuaiyun.com/Cute_jinx/article/details/78744339

该程序使用C语言实现，统计英文文本中所有不同单词的个数及词频最高的前10%单词。通过哈希算法、链表和最大堆处理大量单词数据，确保高效查找和排序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

7-18 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

感谢武汉理工大学的郭小兵老师修正测试数据！

根据题目知，单词最大大小为80 所以如果一个字符串长度是90 那么他可能就是俩个单词了
单词只能由大小写字母和数字和下划线组成其余被认为是分隔符
这次个人感觉还是用数组 Hash 比较好，但是做的过程中觉得链表较好 O(∩_∩)O；
还有大小写转换巴拉巴拉；
补充一个小知识点，scanf("%[a-z,A-Z,0-9]")真的是可以为所欲为的 scanf 有很多用法和扩展真的很好用，我应该会总结一篇过于scanf 的用法拓展吧；

此题我用到哈希 .最大堆和SCANF的特殊输入

#include <stdio.h>
#include <string.h>
#include <math.h>
#include <stdlib.h>
#include <ctype.h>
#define MAX 1000000
typedef struct Node *Hash; /**哈希的结构体**/
struct Node{
char *s;
int num;
Hash next;
};
typedef struct node *heap; /**最大堆的结构体**/
struct node{
Hash *h;
int size;
};
int num=0;
int nextprme(int n); /**本来应该找到一个合适的大小来建立哈希数组的但是题目没有给出单词个数，
再扫一遍输入内容来找单词个数，代价太高，所以不如直接定义最大的指针数组用链表来做**/
int deal(char *s) /**哈希日常处理。。。把数据映射成相应下标，这个函数可以根据自己喜好自己设置处理方式，只要能通过的话。。。(●'◡'●)**/
{