STL 读取TXT文件中单词并按出现次数排序

STL 读取TXT文件中单词并按出现次数排序

要求：从一个文件中读入一篇英文文章，假设该英文文章中只有空格与回车作为分隔符，没有其他标点符号。将这篇英文文章中的英文单词按出现的次数排序（大小写同时出现的，统一转为小写），并将出现次数最多的前30个单词及出现的次数输出。

读取TXT文件

将文件流的内容读到string字符串中

按行读取：

string data;

while (getline(ss, data))

{

    //一行数据会读入到data中，循环处理每一行

}

分割字符串

将字符串分割，可以使用find函数。

定义一个当前位置，然后查找到空格所在的位置，将当前位置和空格所在的位置之间的字符放入一个新的string中，记得，更新当前位置。

如  abc def字符串，当前位置为0，find寻找空格会返回指向位置3的迭代器，

it-data.begin()可以得到3这个数值，将0-3之间的内容放入到新的string中即可。

转换

为方便排序，将所有单词变成小写单词，通过使用函数transform。

排序

将所有单词按照出现的次数排序，需要借助vector容器完成，将整个map的所有内容拷贝到一个vector容器中，借助于sort函数来实现。注意，需要写一个“谓词”用于排序。

代码如下

#include <iostream>
#include<fstream>
#include<string>
#include<sstream>
#include<vector>
#include<algorithm>
#include<map>

using namespace std;

int cmp(const pair<string, int>& a, const pair<string, int>& b)
{
    return a.second > b.second;
}

int main()
{
	ifstream t("C:\\Users\\X-Ray\\Desktop\\novel.txt");
	stringstream buffer;
	buffer << t.rdbuf();
	string in(buffer.str());
	t.close();

    int k = 0;
    string str;
    string data;
	string::iterator it;

    map<string, int> *words = new map<string, int>;
	while (getline(buffer, data)) {
		int i = 0;
		int j = 0;
		it = data.begin();
		if (find(it, data.end(), ' ') == data.end()) {

			string s = data.substr(0, data.end() - data.begin());
			transform(s.begin(), s.end(), s.begin(), (int (*)(int))tolower);
			map<string, int>::iterator Find = words->find(s);

			if (Find == words->end()) {
				words->insert(pair<string, int>(s, 1));
			}
			else {
				(Find->second)++;
			}
		}


		else if (*data.begin() == ' ') {
			while (it != data.end()) {
				i = it - data.begin();
				it++;

				if (it != data.end() && *it != ' ') {

					j = find(it, data.end(), ' ') - data.begin();
					string s = data.substr(i + 1, j - i);
					transform(s.begin(), s.end(), s.begin(), (int (*)(int))tolower);
					map<string, int>::iterator Find = words->find(s);
					if (Find == words->end()) {
						words->insert(pair<string, int>(s, 1));
					}
					else {
						(Find->second)++;
					}
				}
				it = find(it, data.end(), ' ');
			}
		}

		else {
			i = it - data.begin();
			it = find(data.begin(), data.end(), ' ');
			j = it - data.begin();
			string s = data.substr(i, j - i);
			transform(s.begin(), s.end(), s.begin(), (int (*)(int))tolower);
			map<string, int>::iterator Find = words->find(s);
			if (Find == words->end()) {
				words->insert(pair<string, int>(s, 1));
			}
			else {
				(Find->second)++;
			}
			while (it != data.end()) {
				i = it - data.begin();
				it++;
				if (it != data.end() && *it != ' ') {

					j = find(it, data.end(), ' ') - data.begin();
					string s = data.substr(i + 1, j - i);
					transform(s.begin(), s.end(), s.begin(), (int (*)(int))tolower);
					map<string, int>::iterator Find = words->find(s);
					if (Find == words->end()) {
						words->insert(pair<string, int>(s, 1));
					}
					else {
						(Find->second)++;
					}
				}
				it = find(it, data.end(), ' ');
			}
		}
	}

	vector<pair<string, int> > v;
	map<string, int>::iterator i;
	for (i = words->begin(); i != words->end(); i++)    //copy
		v.push_back(*i);
	delete words;
    sort(v.begin(), v.end(), cmp);

	for (int m = 0; m < 30; m++) {
        cout << v[m].first << '\t' << v[m].second << endl;
    }
    
    return 0;
} 

运行效果

TXT文件链接：https://pan.baidu.com/s/1L9yrDquIdIU5Ur5VMVSJ6w 
提取码：43u3