本文介绍了一个基于不同数据结构和搜索策略的英语文章单词检索系统的设计与实现，包括顺序表、链表、折半查找和二叉排序树的使用，以及单词频率统计和查找功能。
学校课程设计实训周，抽到了这个题，写完之后也有一些收获，放到网上和大家一起学习交流：)
本人数据结构只是学了一些皮毛，代码写的比较简单直接，通俗易懂。还望各路大神多多指教
拿到题目遇到的第一个问题，就是如何从指定路径下读取文件，去除空格及标点符号，并将读取到的英文文章拆分为一个个英文单词存储起来？
我的方法是用isalpha()这个函数来判断是否是英文字母，函数类型定义为bool，若不是英文字母，返回false，就再向后读取一个字符，直到找到第一个英文字母，证明找到了一个英文单词的开头，返回true。设置一个start变量，将这个单词的首字母所在位置记录下来，然后一直向后找，直到再次找到非英文字母，证明一个单词结束，再设置一个end变量记录下结束位置。这样就截取到了一个单词的起始位置。设置一个char型数组，运用循环将单词各字母逐个放入数组，最后加上'\0'，一个个单词就截取成功啦！
int detect(const char *p,SqList &L,LinkList &LL)
{
int i=0,m;
char temp[20];
int start,end;
while(p[i]!=0) //当非空行
{
while(judge_alphabet(p[i])==false)
{
i++;
}
if(judge_alphabet(p[i]))
{
start=i;
i++;
while(judge_alphabet(p[i]))
{
i++;
}
}
end=i;
for(int j=start,k=0;j<=end;k++,j++)
{
temp[k]=p[j];
m=k;
}
temp[m]='\0';
L.elem[count].key=temp; //count为单词个数，也可作为线性表存储单词的下标
count++;
i++;
LNode *s=new LNode;
s->data=temp;
s->next=LL->next;
LL->next=s;
}
}
遇到的第二个问题就是如何统计整篇文章的单词词频。我的方法是为存储单词的线性表再添加一个flag标志，初始化为true。循环遍历线性表，如果后面再次出现相同的单词，就把该单词所在位置的flag置为false，再次遍历时就直接跳过。
void Getnum(SqList &L) //获取文章中所有单词词频
{
int j=1;
for(int a=1;a<=L.length;a++) //外层循环，拿第a个单词和线性表所有单词进行比较
{
int nums=0;
if(L.elem[a].flag==true) //true证明还没有相同单词，执行比较操作
{
for(int i=1;i<=L.length;i++) //内层循环，依次遍历整个线性表
{
if(L.elem[a].key==L.elem[i].key)
{
L.elem[i].flag=false;
nums++;
}
else continue;
}
words_num[j]=nums; //将所有单词词频存放在word_num这个数组中
L.elem[j].key=L.elem[a].key;
j++;
}
}
}
实现功能中还要求输出各查找方式的ASL，这里就直接输出：线性表查找为（n+1）/2，折半查找为log以2为底（n+1）-1，二叉排序树为㏒以2为底（n+1）
需要动脑子的应该只有这么多内容，其他都是一些比较基础的定义结构，初始化，读取调用等函数，平常数据结构课上应该都有练习，这里就不再赘述了，下面贴上完整代码
#include <iostream>
#include <fstream> //c++操作文件所需的头文件
#include <cstring>
#include <ctype.h> //判断字符是否是字母
#include<cmath> //数学方法
using namespace std;
#define MAXSIZE 10000 //顺序表的最大长度
int count=1; //既是单词个数又是线性表下标，一会儿输出单词个数记得count-1
int words=0; //统计欲查找单词频数
int words_num[MAXSIZE]; //存放所有单词词频
typedef struct{
string key; //存放单词
bool flag; //设置标志，若查找单词在后面出现过，就把该单词所在位置下的flag置为false
int words; //统计词频,若查询单词在后面再次出现，words++
}ElemType;
typedef struct{ //线性表结构
ElemType elem[MAXSIZE];
int length;
}SqList;
typedef struct LNode{ //单链表结构
string data;
struct LNode *next;
}LNode,*LinkList;
typedef struct BSTNode{ //二叉链表结构
string data;
struct BSTNode *Lchild,*Rchild;
}BSTNode,*BSTree;
void Init_SqList(SqList &L) //初始化线性表
{
L.length = 0;
for(int i=0;i<MAXSIZE;i++) //所有单词初始化为true(未发现相同词)
{
L.elem[i].flag=true;
L.elem[i].words=1;
}
}
void Init_LinkList(LinkList &L) //初始化单链表
{
L = new LNode;
L->next = NULL;
}
bool judge_alphabet(char ch) //判断是否为英文字母
{
if(isalpha(ch))
return true;
else
return false;
}
int detect(const char *p,SqList &L,LinkList &LL)
{
int i=0,m;
char temp[20];
int start,end;
while(p[i]!=0) //当非空行
{
while(judge_alphabet(p[i])==false)
{
i++;
}
if(judge_alphabet(p[i]))
{
start=i;
i++;
while(judge_alphabet(p[i]))
{
i++;
}
}
end=i;
for(int j=start,k=0;j<=end;k++,j++)
{
temp[k]=p[j];
m=k;
}
temp[m]='\0';
L.elem[count].key=temp; //count为单词个数，也可作为线性表存储单词的下标
count++;
i++;
LNode *s=new LNode;
s->data=temp;
s->next=LL->next;
LL->next=s;
}
}
//将文件C:\book.txt中的数据逐条读入顺序表L中
void ReadData(SqList &L,LinkList &LL,BSTree &T)
{
int i=0;
string temp;
ifstream infile("d:\\Obama.txt"); //以输入的方式（读文件的方式）打开文件c:\book.txt
while(!infile.eof()) //只要文件没读完，就读一行数据到顺序表L中的第i个分量中
{
getline(infile,temp);
const char *p=temp.c_str();
if(strlen(p)!=0)
{
detect(p,L,LL);
}
}
L.length = count-1;
infile.close();
}
void WriteData(SqList L)
{
int q;
ofstream outfile("d:\\words.txt"); //将单词总数及词频信息保存在新的txt中
outfile<<"单词总数为:"<<L.length<<endl;
for(q=1;q<L.length;q++)
{
if(words_num[q]!=0)
outfile<<L.elem[q].key<<" "<<words_num[q]<<endl;
}
outfile.close();
}
void PrintList(SqList L,LinkList LL)
{
cout<<"\n\n全文共有"<<L.length<<"个单词"<<endl;
LNode *p;
p=LL->next;
/*while(p!=NULL) //以单链表形式输出所有单词
{
cout<<p->data;
p=p->next;
}
cout<<endl;*/
for(int p=0;p<count;p++) //以线性表形式输出所有单词
{
cout<<L.elem[p].key;
}
}
void Getnum(SqList &L) //获取文章中所有单词词频
{
int j=1;
for(int a=1;a<=L.length;a++) //外层循环，拿第a个单词和线性表所有单词进行比较
{
int nums=0;
if(L.elem[a].flag==true) //true证明还没有相同单词，执行比较操作
{
for(int i=1;i<=L.length;i++) //内层循环，依次遍历整个线性表
{
if(L.elem[a].key==L.elem[i].key)
{
L.elem[i].flag=false;
nums++;
}
else continue;
}
words_num[j]=nums; //将所有单词词频存放在word_num这个数组中
L.elem[j].key=L.elem[a].key;
j++;
}
}
}
int Sq_Search(SqList L,string key)
{
int i;
L.elem[0].key = key;
for(i=1;i<=L.length;i++)
{
if(L.elem[i].key==key)
{
words++;
}
}
return words;
}
int LL_Search(LinkList L,string key)
{
LNode *p;
p = L->next;
while(p!=NULL)
{
if(p->data==key)
words++;
p=p->next;
}
return words;
}
void InsertSort(SqList &L) //使用直接插入法对线性表L进行排序
{
int i,j;
for(i=2;i<L.length;i++)
{
if(L.elem[i].key<L.elem[i-1].key)
{
L.elem[0].key=L.elem[i].key;
for(j=i-1;L.elem[0].key<L.elem[j].key;j--)
L.elem[j+1].key=L.elem[j].key;
L.elem[j+1].key=L.elem[0].key;
}
}
}
int Search_Bin(SqList L,string key) //线性表折半查找
{
int low=1,high=L.length,mid;
while(low<=high)
{
mid=(low+high)/2;
if(key==L.elem[mid].key)
{
return mid;
}
else if(key<L.elem[mid].key)
high=mid-1;
else low=mid+1;
}
return 0;
}
void Insert_BST(BSTree &T,string e) //二叉排序树中插入结点
{
BSTNode *s;
if(!T)
{
s = new BSTNode;
s->data=e;
s->Lchild=s->Rchild=NULL;
T=s;
}
else if(e<T->data)
Insert_BST(T->Lchild,e);
else if(e>T->data)
Insert_BST(T->Rchild,e);
}
void Create_BST(BSTree &T,SqList L) //创建二叉排序树
{
int i=1;
string e;
T=NULL;
e=L.elem[1].key;
while(i<=L.length)
{
Insert_BST(T,e);
i++;
e=L.elem[i].key;
}
}
void InorderBST(BSTree T) //中序遍历并输出二叉排序树
{
if(T)
{
InorderBST(T->Lchild);
cout<<T->data<<" ";
InorderBST(T->Rchild);
}
}
BSTree SearchBST(BSTree T,string key) //二叉排序树的查找
{
if(!T||key==T->data) return T;
else if(key<T->data) return SearchBST(T->Lchild,key);
else return SearchBST(T->Rchild,key);
}
void Delete(BSTree &T,BSTNode *p,BSTNode *f) //二叉排序树中p所指结点的删除
{
BSTNode *q,*s;
q=p;
if(p->Rchild && p->Lchild ) //p所指结点的左右子树均非空
{
s=p->Lchild;
while(s->Rchild)
{
q=s;
s=s->Rchild;
}
p->data=s->data;
if(q==p) q->Lchild=s->Lchild;
else q->Rchild=s->Lchild;
delete s;
}
else if(p->Rchild ==NULL) //p所指结点只有左子树
{
p=p->Lchild;
}
else if(p->Lchild ==NULL) //p所指结点只有右子树
{
p=p->Rchild;
}
if(f==NULL) T=NULL; //T只有一个根结点，且被删除的是根结点
else if(q==f->Lchild ) f->Lchild =p; //被删结点是双亲f的左孩子
else f->Rchild =p; //被删结点是双亲f的右孩子
delete q; //释放被删结点
}
bool DeleteBST(BSTree &T,string key) //二叉排序树的删除
{
BSTNode *p=T,*f=NULL;
while(p) //从二叉排序树的根开始，查找关键字为key的结点，并用p指向它，f指向p的双亲
{
if(p->data == key) //找到关键字为key的结点，且p指向它
break;
f=p; //f为p的双亲
if(p->data > key) //在p的左子树中继续查找
p=p->Lchild ;
else //在p的右子树中继续查找
p=p->Rchild ;
}
if(p==NULL) //T中不存在关键字等于key的结点，返回false
return false;
Delete(T,p,f); //在二叉排序树T中删除p所指结点（关键字为key的结点），f指向p的双亲
return true; //删除成功，返回true
}
void show_main_menu()
{
cout<<" -----------------------------------------"<<endl;
cout<<" **基于不同策略的单词检索系统**\n"<<endl;
cout<<" 1.基于顺序表的顺序查找"<<endl;
cout<<" 2.基于链表的顺序查找"<<endl;
cout<<" 3.基于顺序表的折半查找"<<endl;
cout<<" 4.基于二叉排序树的查找"<<endl;
cout<<" 5.退出系统"<<endl;
cout<<" -----------------------------------------"<<endl;
}
void show_sec_menu()
{
cout<<" ****************************"<<endl;
cout<<" 1.词频统计"<<endl;
cout<<" 2.单词查找"<<endl;
cout<<" 3.返回上一级"<<endl;
cout<<" ****************************"<<endl;
}
void show_BiTree_menu() //二叉排序树多一个删除功能，把菜单单独拉出来处理
{
cout<<" ****************************"<<endl;
cout<<" 1.词频统计"<<endl;
cout<<" 2.单词查找"<<endl;
cout<<" 3.删除单词"<<endl;
cout<<" 4.返回上一级"<<endl;
cout<<" ****************************"<<endl;
}
int main()
{
int start_time,end_time;
SqList LSq;
LinkList LL;
BSTree T;
string word;
int num; //单词个数
BSTree num1;
int n;
Init_SqList(LSq); //初始化线性表
Init_LinkList(LL); //初始化单链表
ReadData(LSq,LL,T);
Create_BST(T,LSq);
//InorderBST(T); //测试 中序输出二叉排序树
do
{
show_main_menu();
cout<<"请选择一个你想实现的功能:";
cin>>n;
cout<<endl;
switch(n)
{
case 1:show_sec_menu();
cout<<"请输入你想具体实现内容的序号:";
cin>>n;
cout<<endl;
switch(n)
{
case 1:Getnum(LSq);
WriteData(LSq);
cout<<"\n写入数据成功！！\n请在D盘打开words.txt文件查看\n"<<endl;break;
case 2:cout<<"请输入要查询的单词:";
cin>>word;
num = Sq_Search(LSq,word);
if(num>0)
cout<<"查找成功！"<<"\n该词词频为:"<<num<<"\n查找ASL为:"<<(LSq.length+1)/2<<endl<<endl;
else
cout<<"很抱歉，查找失败！"<<endl;break;
case 3:break;
default:cout<<"请输入正确的序号！！！\n";
}break;
case 2:show_sec_menu();
cout<<"请输入你想具体实现内容的序号:";
cin>>n;
cout<<endl;
switch(n)
{
case 1:Getnum(LSq);
WriteData(LSq);
cout<<"\n写入数据成功！！\n请在D盘打开words.txt文件查看\n"<<endl;break;
case 2:cout<<"请输入要查询的单词:";
cin>>word;
num = LL_Search(LL,word);
if(num>0)
cout<<"查找成功！"<<"\n该词词频为:"<<num<<"\n查找ASL为:"<<(LSq.length+1)/2<<endl<<endl;
else
cout<<"很抱歉，查找失败！"<<endl;break;
case 3:break;
default:cout<<"请输入正确的序号！！！\n";
}break;
case 3:show_sec_menu();
cout<<"请输入你想具体实现内容的序号:";
cin>>n;
cout<<endl;
switch(n)
{
case 1:Getnum(LSq);
WriteData(LSq);
cout<<"\n写入数据成功！！\n请在D盘打开words.txt文件查看\n"<<endl;break;
case 2:cout<<"请输入要查询的单词:";
cin>>word;
InsertSort(LSq);
num=Search_Bin(LSq,word);
if(num>0)
cout<<endl<<word<<"查询成功！！\n"<<"\n查找ASL为:"<<log(LSq.length+1)/log(2)-1<<endl<<endl;
else cout<<"\n很抱歉，该文章没有你想查询的词(\n";break;
case 3:break;
default:cout<<"请输入正确的序号！！！\n";
}break;
case 4:show_BiTree_menu();
cout<<"请输入你想具体实现内容的序号:";
cin>>n;
cout<<endl;
switch(n)
{
case 1:Getnum(LSq);
WriteData(LSq);
cout<<"\n写入数据成功！！\n请在D盘打开words.txt文件查看\n"<<endl;break;
case 2:Create_BST(T,LSq);
cout<<"请输入要查询的单词:";
cin>>word;
num1=SearchBST(T,word);
if(num1>0)
cout<<endl<<word<<"查询成功！！！\n"<<"\n查找ASL为:"<<log(LSq.length)/log(2)<<endl;
else cout<<"\n很抱歉，该文章没有你想查询的单词(\n";
break;
case 3:Create_BST(T,LSq);
cout<<"请输入要删除的关键字:";
cin>>word;
if(DeleteBST(T,word)==false)
cout<<"\n删除失败！！ 二叉排序树中不存在单词 "<<word<<"！！\n";
else
{
cout<<"\n删除成功！！ 二叉排序树现在的中序遍历结果为：\n";
InorderBST(T);
}
case 4:break;
default:cout<<"请输入正确的序号！！！\n";
}break;
case 5:break;
default:cout<<"请输入正确的序号！！！\n";break;
}
}while(n!=5);
//PrintList(LSq,LL); 输出文章所有单词（测试用）
}
说明：受限于存储结构，该代码应该最多只能读取5000词以下的文章，我用的奥巴马就职演讲（2400词）和姚老板名人堂演讲（1300词）都没有问题，但类似于傲慢与偏见，月亮与六便士这类篇幅较长的小说程序就该崩掉了
本来应该再来一个性能为O（1）的哈希查找，碍于各种原因没有加上，有兴趣的同学可以自己再完善一下：）
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
