英语单词词频统计（索引和堆的实现）--数据结构大作业

一．题目要求

单词的词频统计

（1)从文件中读出一篇英文文章，将不同的单词存入堆中，建立相应的索引表，索引表确定各单词在堆中存储的位置及出现的次数。（索引表的数据类型要求采用第4章课件中最后的应用举例的方式）
（2）按出现的频率递减的次序输出结果并存入文件。
（3）选做：查找、插入、删除等

二．算法设计

1.按照题目的要求我把整个程序分为以下8个部分

A.从文件中读入一片英语文章
B.将不同的单词存入到堆中
C.建立相应的索引表
D.索引表确定各单词在堆中存储的位置及出现的次数
E.按照出现的递减的频率排序并输出结果存入文件
F.给定单词查找堆中的单词
G.在堆中删除单词
H.在堆中插入单词

2.主要算法设计思想

思想大概：按照小红老师学习通里面的视频，我先进行了对主要功能实现（索引表），首先先创建一个很大的堆（数组空间），再按照结构体的创建建立索引表和索引项，索引表中有指向索引项里面最后一个单词的last指针，有指向堆的第一个可以利用的空间地址的free指针以及其他的，先按照char *string[100]的格式随便赋值几个单词，初始化索引表和索引项，把每一个单词初始为一个既包含单词有包含单词长度的结构体形式，把单词依次读入索引表和索引项里面，这就实现基本功能，在此基础上面，建立Judgement_repetition（判断重复）函数，对每一个单词读入进行判断在索引项里面是否有重复单词，如果有的话就该索引项频度加加，没有的话就读入到索引项里面存储在索引表里面，然后就是文本文件的读入，读入文本文件后，通过小红老师提示的分单词的功能，把文本文件里面每一个单词都存储在一个word字符型里面，再把word导入前面提到的char *string[100]数组里面，功能就完全对接上了，接下来就是按照每个单词的频度对单词进行排序，在这里我使用了C++里面的sort函数，建立一个cmp函数对结构体里面的频度进行排序，排序完成之后就可以输出了，查找单词的功能就很简单了，进入索引项，按照首地址来对比就行，增加单词在查找基础上面，如果查找失败就增加，查找成功就频度加加，删除单词功能也在查找的基础上面，如果查找成功就直接删除，索引项里面的每个成员向前面移动一个last指针减减就行，存入文件功能就是建立一个全局字符型数组，把索引项里面对应首地址的单词存入再把频度存入就行，把这个数组导入文件操作就行

三．程序源代码

PS：输入文件为：3.input.txt
输出文件为：3.output.txt
（可能有些地方还有问题，大家请谅解一下，我自己的编程水平也很一般啦）
（功能都能实现，我自己也都测试了好多遍，应该问题不大）
（有需要的拿去用吧！狗头保命）

#include<iostream>
#include<cstdio>
#include <stdlib.h>
#include<algorithm>
using namespace std;
#define worldmaxlen 40 //最大单词长度 
#define maxsize 10000    //最大范围 
#define maxworldnum 100 //最大单词数量      
#define bufsize 1000    //输入文件一行最多单词 
int counter=0;         //记录文本单词的数目 
int record=0;          //记录所有单词数 
typedef struct{
              //建立能存储单词和长度的结构体 
	char data[worldmaxlen];
	int len;
}sqstring;

typedef struct {
     //建立索引项 
	int firstadd;
	int len;
	int frn; 
}indextem;

typedef struct{
              //建立索引表 
	char space[maxsize];
	indextem item[maxworldnum];
	int free;            //用来表示这个space空间的第一个能利用的存储空间 
	int last;            //用来表示这个索引项最后一个存储的位置 
}indexlist;

int cmp(indextem E1,indextem E2){
    //sort对结构体的排序 
	return E1.frn>E2.frn;
}

void initindexlist(indexlist *&list){
    //初始索引项 
	list=(indexlist*)malloc(sizeof(indexlist));
	list->free=0;
	list->last=-1;
}

void creatstr(sqstring &str,char *sp){
   //将字符串中的单词导入顺序串中 
	str.len=0;                        //因为能增加一个str.len的值 
	int i=0;
	while((*sp)!='\0'){
   
		str.data[i]=*sp;
		sp++;
		i++;
	}
	str.len=i;
	str.data[i+1]='#';//用作结束标记 
}

void initstr(sqstring &str){
      //初始字符串,全部以#结尾方便操作 
	for(int i=0;i<worldmaxlen;i++)
	{
   
		str.data[i]='#';
	}
	str.len=0;
}

int Judgement_repetition(sqstring str,indexlist *&list)//判断重复 
{
   
	int ii;
	for(ii=0;ii<=list->last;ii++){
   
		
		if(str.len==list->item[ii].len){
   
			
			int j=0;
			int k=list->item[ii].firstadd;
			int mark=0,temp=0,count1=0;
			while(str.data[j]!='#'&&char(list->space[k])!=' '&&str.data[j]==char(list->space[k])){
   
				//cout<<"字母为:"<<str.data[j]<<" "<<list->space[k]<<endl;
				if(str.data[j]==char(list->space[k]))
					mark=1;
				if(str.data[j]!=char(list->space[k])){
   
					mark=0;
				}
				//cout<<"Mark标记为"<<mark<<endl;
				j++;list->item[ii].firstadd++;
				k=list->item[ii].firstadd;
				temp++;count1++;
				//cout<<"接下来字母为:"<<str.data[j]<<" "<<list->space[k]<<endl;
				if(count1!=str.len){
   
					mark=0;
				}else{
   
					mark=1;
				}
				}
				
				for(int i=0;i<temp;i++){
   
					list->item