初级-文件操作与字符处理

第三篇

一.先贴题目
1109 综合实验：文件操作与字符处理

在当前目录中存在文件名为”case1.in”（其中case后为数字1，不是字母l，写错提交后会判错）的文本文件，
其内容为一篇英文文章（以EOF作为结束标志）。现要求读取该文本文件内容，统计文章中每个单词出现的次数，
并输出出现次数最多的前5个单词及其出现次数（按出现次数由多到少的顺序输出，次数相同时按字典顺序输出，
不足5个单词时，按序输出全部单词）。程序中注意如下细节：
（1） 空格、标点符号与回车符起到分隔单词的作用。
（2） 文章一行的末尾可能有连字符，出现连字符时，该行最末的字符串与下行最先出现的字符串构一个单词；
（3） 名词缩写算一个单词；
（4） 数字不算单词；
（5） 单词不区分大小写；
（6） 输出时单词全使用小写；

#include "stdio.h" 
#include "math.h" 
#include "string.h" 
#include "stdlib.h" 

_______________________ 

main() 
{ 
         _______________________ 
} 

输入格式
文件case1.in中一篇英文文章，包含多段文字，单词数不超过10000，每个单词不超过20个字符

输出格式
按题意输出答案

输入样例
（如case1.in内容如下）
I am a student. My school is SCAU. It is a beau-
tiful university. I like it.

输出样例
a 2
i 2
is 2
it 2
am 1

二.思路分析
这是比较接近于最近写的一个实验题，也是第一个实验题。这道题的要求比较多，从题目的EOF开始，说明用fgetc 函数来读取文件好一点，一开始是用fgets来做，多设置了一个变量来存储有n行，但是还不如用fgetc，反正基本操作都差不多，少一个变量，也少一点思考量。
这道题大概要分成几个步骤或者说模块：

1. 先 分离出单词来。
2. 统计所有单词的全部出现个数（包括重复的也统计），用sum[i]存起来
3. 去除掉同样的单词的个数并置为0
4. 将单词为空串的个数置为0
5. 对全部，排sum[i]序，把大的放在前面
6. 找的非0的sum[i]，那样就能知道总共有几个非0的有效的唯一单词的个数
7. 再来对全部，将sum[i]相同的单词按序来排
8. 按照题目条件，如果有效的唯一单词的个数大于等于5，就输出前5的word[i] 和sum[i];如果小于5就全部输出。

三。具体代码实现

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int main()
{
    FILE *fp = fopen("case1.in","r");
    char ch;
    char word[50100][21];
      //这里设置的单词数组的大小要较大于10000，
    int i=0; 
    int j=0;
    int t,k;
    int g;
    int sum[10100]={0};
    int nozerolen;  //代表非0的唯一单词的个数
    int wordsum;    //代表单词的全部个数
    /*
          分离单词
    */
    while((ch=fgetc(fp))!=EOF)
    {
        if(ch<='Z'&&ch>='A')
            ch+=32;
        if(ch =='-')
        {
            ch = fgetc(fp);
            if(ch=='\n')
                continue;
            else
            {
                i++;
                j=0;
                //continue;
            }
            /*
            - 的情况比较多样，如果-后是\n 那么就和前面的是同一个单词，跳过就好，如果-后是其他东西，那就再开下一个单词来存，同时不忘记将j重置为0.
            */
        }
        if(ch=='\n')
            continue;
           //回车不作为分离单词的因素。
        if(ch==' '||ch==','||ch=='='||ch=='.')
        {
            i++;
            j=0;
            continue;
            /*
            其中 = . , ‘ ’作为分离单词的四大符号。
            */
        }
        if(ch>='0'&&ch<='9')
        {
            continue;
            //数字不作为单词的成分
        }
        word[i][j++]=ch;
        //利用二维数组来存取字符
    }
    wordsum = i;
    //获取单词的个数
    wordsum++;
    //由于从0开始，转化为常规操作从1开始数的 因此变大一个。

/*
统计所有出现的单词的出现的次数，即便重复也同样统计。
*/
    for(t=0;t<wordsum;t++)
    {
        for(k=0;k<wordsum;k++)
        {
            if(strcmp(word[t],word[k])==0)
            {
                sum[t]++;
            }
        }
    }
    /*
    对于单词一样的其他单词将它们的单词出现次数置成0.
    */
    for(t=0;t<wordsum-1;t++)
    {
        for(k=t+1;k<wordsum;k++)
        {
            if(strcmp(word[t],word[k])==0)
            {
                sum[k]=0;
            }
        }
    }
    //将空串置成0
    for(i=0;i<wordsum;i++)
    {
        if(strlen(word[i])==0)
        {
            sum[i] =0;
        }
    }

      /*
     进行冒泡排序，对于全部单词，从大到小进行排序。
     这里注意在替换单词出现次数的时候，要将单词也一起替换。
     */
    for(t=0;t<wordsum-1;t++)
    {
        for(k=0;k<wordsum-1-t;k++)
        {
            if(sum[k]<sum[k+1])
            {
                int temp;
                temp = sum[k+1];
                sum[k+1] = sum[k];
                sum[k] = temp;
                char tt[30];
                strcpy(tt,word[k+1]);
                strcpy(word[k+1],word[k]);
                strcpy(word[k],tt);
            }
        }
    }

    /*
     计算出非0的唯一单词的个数。
    */
    for(t=0;t<wordsum;t++)
    {
        if(sum[t]==0)
        {
            break;
        }
    }
    nozerolen = t+1;    //也是一样转化为常规的从1开始计算
/*
再对全部非0的单词数来排序，针对于 那些sum相同的但序在后的，排成同sum序在前
*/
    for(t=0;t<nozerolen-1;t++)
    {
        for(k=0;k<nozerolen-1-t;k++)
        {
            if(sum[k]==sum[k+1]&&strcmp(word[k],word[k+1])>0)
            {
                int temp;
                temp = sum[k+1];
                sum[k+1] = sum[k];
                sum[k] = temp;
                char tt[30];
                strcpy(tt,word[k+1]);
                strcpy(word[k+1],word[k]);
                strcpy(word[k],tt);
            }
        }
    }
 /*
按题目要求的，非0数大于5，就输出前5，如果小于5，就输出全部。
*/
    if(nozerolen<5)
    {
        for(g=0;g<nozerolen;g++)
        {
            printf("%s %d\n",word[g],sum[g]);
        }
    }
    else
    {
        for(t=0;t<5;t++)
        printf("%s %d\n",word[t],sum[t]);
    }
    fclose(fp);
}

四.总结反思
其实感觉这道题，还是没做好，因为只是处理了 ‘=’这种特殊情况，可是实际上还可以是其他的特殊字符。还有就是在分离单词那一块，实际上由于，空格并非能全部适用于全部的分离单词的情况，所以会读取到一些空串，才有后面的将空串置0的操作。这道题感觉最复杂的是分离出单词来，其他的就是一些操作，比如统计全部单词出现的次数，再对于出现过的单词的sum[i]置成0，然后是将空串的sum[i]置成0，再排sum[i]的序，再统计非0的个数，再排让sum同序前的 在前，最后就是按要求输出了。分离单词这一块应该可以再细分出一些情况，让空格转变成可以用来分隔单词的标志，也可以不是，这样就不会读到空串，在数组设置的时候也可以小一些。