pta 词频统计

最新推荐文章于 2024-06-11 08:16:03 发布

原创最新推荐文章于 2024-06-11 08:16:03 发布 · 4.1k 阅读

6 ·

CC 4.0 BY-SA版权

转载请注明出处：作者WKP9418 :https://blog.youkuaiyun.com/qq_43179428

pta 专栏收录该内容

35 篇文章

订阅专栏

博客要求编写程序对英文文本进行处理，统计不同单词个数，截取超长单词，不区分大小写。输入以#结尾，输出不同单词个数及词频最大的前10%单词，按词频递减、字典序递增排列，还提及排序优化思路。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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

#include<algorithm>
using namespace std;
#include<stdio.h>
#include<string.h>
typedef struct NODE no;
struct NODE{
	char corword[16];
	int co;
}node[3000000];
int cmp(no a,no b)
{
	if(a.co>b.co) return 1;
	else if(a.co<b.co) return 0;
	else
	{
		int flag=strcmp(a.corword,b.corword);
		if(flag>0) return 0;
		return 1;
	}
}
char transf(char am)//转换大小写
{

	if(am>='A'&&am<='Z') am=am+32;
	return am;
}
int main(void)
{
	for(int i=0; i<=3000000-1; i++)
	{
		node[i].co=0;
		node[i].corword[0]=48;
	}
	int count=0;不同单词个数
	char word;
	int flag=0;出现#结束程序的标志
	char tep[100];临时保存单词
	int i=0;
	while(word=getchar())开始用的scanf,但不会如何区分符号和单词了，所以用getchar
	{
		word=transf(word);
		if(word=='#')
		{
			flag=1;
		}
		if(word>=48&&word<=57||word>=65&&word<=90||word>=97&&word<=122||word==95)
		{
			tep[i++]=word;
			continue;
		}
		if(i>0)
		{
			int flag2=0;
			if(i>15) tep[15]=NULL;
			else tep[i]=NULL;
			for(int j=0; j<=count-1; j++)
			{
				if(strcmp(tep,node[j].corword)==0)
				{
					node[j].co++;
					flag2=1;
					break;
				}
			}
			if(flag2==0)
			{
				strcpy(node[count++].corword,tep);
			}
			i=0;
			memset(tep,NULL,sizeof(tep));
		}
		else if(i==0&&flag==0) continue;
		if(flag) break;
	}
	int pos=count*0.1;
	sort(node,node+count,cmp);
	printf("%d\n",count);
	for(int j=0;j<pos;j++)
	{
		printf("%d:%s\n",node[j].co+1,node[j].corword);
	}
	return 0; 
}

不用sort模板，用冒泡排序啥的也能过，懒得写了。（优化的话可以弄个数组指针。数组里面保存指针）