PTA 词频统计（30 分）

词频统计（30 分）

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<stdio.h>  
#include<iostream>  
#include<string>  
#include<algorithm>  
#include<vector>  
using namespace std;  
struct node{  
    string s;  
    int n;  
};  
vector<node > q;  
bool cmp(node s1,node s2)  
{  
    if(s1.n ==s2.n )  
    return s1.s <s2.s ;  
    else  
    return s1.n >s2.n;   
}  
//比较如果词频一样，按字符从小到大排；   
int main()  
{  
    char n;  
    string s;  
    while(scanf("%c",&n))  
    {  
        if(n>='A'&&n<='Z'||n>='a'&&n<='z'||n>='0'&&n<='9'||n=='_')  
        {  
            if(n>='A'&&n<='Z')  
            n=n+32;  
            s+=n;//string可以直接相加   
        }//进行大小写转化，并累加字母为单词；   
        else  
        if(n=='#'||s.size()>0)  
        {  
            string ss;  
            if(s.size()>0)  
            {  
                int g=0;  
                for(int i=0;i<15&&i<s.size();i++)  
                {  
                    ss+=s[i];  
                }  
                for(int i=0;i<q.size();i++)  
                {  
                    if(q[i].s==ss)  
                    q[i].n++;//记录单词个数；   
                    g=1;  
                }  
                if(g==0)  
                {  
                    node cc ;  
                    cc.n = 1;  
                    cc.s = ss;  
                    q.push_back(cc);  
                }//如果是新单词，新记录；   
            }  
            s.clear();  
            //每次都空；   
            if(n=='#')  
            {  
                break;  
            }  
        }  
    }  
    printf("%d
",q.size());//单词数   
    sort(q.begin(),q.end(),cmp);//进行排序   
    for(int i=0;i<q.size()/10;i++)  
    printf("%d:",q[i].n),cout<<q[i].s,printf("
");  
}