XJTU2020秋C++第八次作业

本文介绍了四个使用指针解决实际问题的编程案例,包括字符频率统计、变量排序、阶乘计算及字符串大小写转换,深入探讨了指针在不同场景的应用技巧。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

 1.文字信息统计

2.设有三个实数变量a、b和c

3.请使用指针作为循环变量编写n的阶乘计算程序

4.请使用指针作为循环变量编写字符串的大写字母转小写字母的程序


题目内容

 1.文字信息统计

  键盘输入一段中英文文章,统计每个字符(包括汉字)的个数,并按照出现的次数从大到小显示出来。

 显示格式如下:

 字符    个数

举例:

对于字符串:"BAB>$B$B$B>我"

 

  B : 5

  $ : 3

  > : 2

 A : 1

   : 1

//字符统计
#include<iostream>
#include<cstring>
using namespace std;
//知识要点:结构体|排序 
//输入一串字符
//对字符进行归档 
//按照词频进行排序输出 
struct WordList{
	char word[3];//因为有汉字 
	int freq;
};
int main()
{
	//输入 
	const int N=1000;
	char x[N];
	cin.getline(x,N);
	//储存到数组里
	WordList list[N];
	int n=0;//对x进行循环
	int M=0;//结构体数组计数 
	//开始定义 
	int i,j,k;
	while (x[n]!='\0')
	{
		//开始进行判断 
		for(i=0;i<M;i++)
		{
			if((x[n]==list[i].word[0])&&x[n]>=0)
			{
				list[i].freq++;break;
			}
			if(x[n]==list[i].word[0]&&x[n]<0&&x[n+1]==list[i].word[1])
			{
				list[i].freq++;n++;break;
			}
		}
		//如果是新的就计入
		if(i>=M) //记得加等号 
		{
			if(x[n]>0)
			{
				list[M].word[0]=x[n];
				list[M].word[1]='\0';
			}
			else if(x[n]<0)//对于中文字符 
			{
				list[M].word[0]=x[n];n++;
				list[M].word[1]=x[n];
				list[M].word[2]='\0';
			}
			list[M].freq=1;
			M++;
		}
		n++;
	 } 
	 //进行选择排序
	 for(i=0;i<M;i++) 
	 {
	 	k=i;
	 	for(j=i+1;j<M;j++)
	 	{
	 		if(list[k].freq<list[j].freq)
	 		{
	 			k=j;
			 }
		}
		if(k!=i)
		{
			WordList temp=list[i];
			list[i]=list[k];
			list[k]=temp;
		}
		cout<<list[i].word<<':'<<list[i].freq<<endl;
	 }
	 //输出
	  return 0;
}

 

2.设有三个实数变量a、b和c

  首先使用各自的指针对它们进行从小到大排序

 然后显示排序后的结果 

  

#include<iostream>
using namespace std;
void swap(int *a,int*b)
{
	int temp=*a;
	*a=*b;
	*b=temp;
}
int main()
{
	int a,b,c;
	cin>>a>>b>>c;
	int *pa=&a,*pb=&b,*pc=&c;
	if(*pa<*pb) swap(pa,pb);
	if(*pa<*pc) swap(pa,pc);
	if(*pb<*pc) swap(pb,pc);
	cout<<a<<' '<<b<<' '<<c;	
}

3.请使用指针作为循环变量编写n的阶乘计算程序

 

#include<iostream>
using namespace std;
int jiecheng(int *n,int lim)
{
	for(int i=1;i<lim;i++)
	{
		*n*=i;
		//cout<<*n<<endl;
	}
	return *n;
}
int main()
{
	int n,lim,*pn=&n;
	cin>>lim;
	n=lim;
	cout<<jiecheng(pn,lim);
	return 0;
}

4.请使用指针作为循环变量编写字符串的大写字转小写字母的程序

 

#include<iostream>
using namespace std;
int main()
{
	char x[100];
	cin.getline(x,100);
	char *px=x;
	while(*px!='\0')
	{
		//cout<<1<<endl;
		if(*px>='A'&&*px<='Z')
		{
			*px=*px-'A'+'a';
		}
		px++;
		//cout<<px<<endl;
	 }  
	for(int i=0;x[i]!='\0';i++)
	{
		cout<<x[i];
	}
}

 

针对西安交通大学自然语言处理课程第四次作业的相关资料或指导,虽然具体的题目和解答可能依赖于该学年特定的教学安排以及教师的要求[^1],可以提供一些一般性的建议来帮助理解和完成这类作业。 通常情况下,在自然语言处理(NLP)领域内,第四次作业可能会围绕较为复杂的主题展开,比如但不限于: - **列标注**:涉及命名实体识别、词性标注等任务。这要求理解条件随机场(CRFs),隐马尔可夫模型(HMMs),以及其他用于解决此类问题的方法。 - **句法分析**:学习依存关系解析(dependency parsing)或者短语结构树构建(constituency parsing),掌握不同的算法如移进规约(shift-reduce parsers)及其变体。 - **机器翻译**:探索统计方法到神经网络架构转变的过程,了解编码器-解码器框架(encoder-decoder framework),注意力机制(attention mechanisms)的作用原理。 对于上述任何一个话题的学习资源推荐如下: ### 使用Python实现简单的CRF模型 ```python from sklearn_crfsuite import CRF import pandas as pd data = ... # 加载数据集 X_train, y_train = data['features'], data['labels'] crf_model = CRF( algorithm='lbfgs', c1=0.1, c2=0.1, max_iterations=100, all_possible_transitions=True ) # 训练模型 crf_model.fit(X_train, y_train) ``` 此代码片段展示了如何利用`sklearn-crfsuite`库创建并训练一个条件随机场模型来进行列标注工作。 ### 构建基于Transformer的文本分类器 ```python from transformers import BertTokenizer, BertForSequenceClassification from torch.utils.data import DataLoader tokenizer = BertTokenizer.from_pretrained('bert-base-chinese') model = BertForSequenceClassification.from_pretrained('bert-base-chinese') def preprocess_function(examples): return tokenizer(examples["text"], truncation=True, padding="max_length") dataloader = DataLoader(dataset.map(preprocess_function), batch_size=8) ``` 这里提供了使用Hugging Face Transformers库加载预训练BERT模型,并将其应用于中文环境下的情感分析或其他类型的文本分类任务的一个简单例子。
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