需求:
2.文章中包含的标点不计入统计。
3.将统计结果以从大到小的排序方式输出。
设计:
1.因为是跨专业0.0···并不会c++和java,只能用仅学过的C语言进行编写,还是挺费劲的。
2.定义一个包含单词和频率两个成员的结构体来统计词频(进行了动态分配内存,可以处理较大文本)。
3.使用fopen函数读取指定的文档。
4.使用fgetc函数获取字符,再根据取得的字符是否是字母进行不同的处理。
5.采用快速排序法对统计结果进行排序。
5.将整个统计结果循环输出。
部分代码:
结构体定义:
1
2
3
4
5
|
struct fre_word { int num; char a[18]; }; |
分配初始内存:
1
2
|
struct fre_word *w; w=( struct fre_word *)malloc(100*p* sizeof ( struct fre_word)); //给结构体分配初始内存 |
读取文本:
1
2
3
4
5
6
7
|
printf( "输入读入文件的名字:" ); scanf( "%s" , filename); //输入需要统计词频的文件名 if ((fp=fopen(filename, "r" ))==NULL) { printf( "无法打开文件\n" ); exit(0); } |
单词匹配:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
/****************将单词出现次数设置为1****************************/ for (i=0;i<100;i++) { (w+i)->num=1; } /****************单词匹配****************************************/ i=0; while (!feof(fp)) //文件尚未读取完毕 { ch=fgetc(fp); (w+i)->a[j]= '\0' ; if (ch>=65&&ch<=90||ch>=97&&ch<=122) //ch若为字母则存入 { (w+i)->a[j]=ch; j++; flag=0; //设标志位判断是否存在连续标点或者空格 } else if (!(ch>=65&&ch<=90||ch>=97&&ch<=122)&&flag==0) //ch若不是字母且上一个字符为字母 { i++; j=0; flag=1; for (m=0;m<i-1;m++) //匹配单词,若已存在则num+1 { if (stricmp((w+m)->a,(w+i-1)->a)==0) { (w+m)->num++; i--; } } } /****************动态分配内存****************************************/ if (i==(p*100)) //用i判断当前内存已满 { p++; w=( struct fre_word*)realloc(w,100*p*( sizeof ( struct fre_word))); for (n=i;n<=100*p;n++) //给新分配内存的结构体赋初值 (w+n)->num=1; } } |
快速排序:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
void quick( struct fre_word *f, int i, int j) { int m,n,temp,k; char b[18]; m=i; n=j; k=f[(i+j)/2].num; //选取的参照 do { while (f[m].num>k&&m<j) m++; // 从左到右找比k小的元素 while (f[n].num<k&&n>i) n--; // 从右到左找比k大的元素 if (m<=n) { //若找到且满足条件,则交换 temp=f[m].num; strcpy(b,f[m].a); f[m].num=f[n].num; strcpy(f[m].a,f[n].a); f[n].num=temp; strcpy(f[n].a,b); m++; n--; } } while (m<=n); if (m<j) quick(f,m,j); //运用递归 if (n>i) quick(f,i,n); } |
结果输出:
1
2
3
4
5
6
7
|
for (n=0;n<=i;n++) { printf( "文档中出现的单词:" ); printf( "%-18s" ,(w+n)->a); printf( "其出现次数为:" ); printf( "%d\n" ,(w+n)->num); } |
测试用例:
看了之前同学的博客以及老师的评论,就使用了较长的文本进行测试,用的是奥巴马就职演讲稿。
部分测试结果:
以上这篇c语言实现词频统计的简单实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持服务器之家。