(2016春) 作业3：个人项目-词频统计

词频统计 (个人项目)

• 总分：20分

1. 目标

• 使用开发工具 （Eclipse 或者 Visual Studio）
• 开发语言 （C、C++、C# 或者Java ）
• 使用源代码管理工具（Github）

2. 要求

(1). 实现一个控制台程序，给定一段英文字符串，统计其中各个英文单词（4字符以上含4字符）的出现频率。

• 输出要求：按照频率降序输出单词及频率，相同频率则按字母顺序输出。 如下所示：

file: 3
word: 2
case: 1
considered: 1
insensitive: 1
same: 1

• 附加要求：读入一段文本文件，统计该文本文件中单词的频率，并上面要求输出统计结果。

(2). 性能分析：

• 对C++代码运行VS的性能分析工具，找出性能问题并进行优化。
• 对Java程序运行性能分析工具 NetBeans IDE 6.0，找出性能问题并进行优化。

3. 提交内容包括：

(1).github: 代码签入github

• 确保结果正确
• 不要有警告
• 良好的性能
• 确保单元测试代码通过

(2).博客：提交博客

• 在开始项目前，你预估各个功能模块要花的时间
• 在项目完成后，你实际在各个功能模块花的时间
• 描述你花了多少时间在提高程序性能上，利用VS的性能分析工具，展示你的性能图表
• 展示你的单元测试结果，说明你是如何确保单元测试结果正确的
• 你在这次练习中学到了什么
• 在博客上写“你这个程序最得意、最独特的设计是哪里？ 你是怎么想到的？最大的bug 在哪里？ 请贴部分代码并解释”（ZX_Proposal）

4. 作业提示

(1). 定义

• 字母: A-Z, a-z.
• 字母数字: A-Z, a-z, 0-9.
• 分隔符: 非字母数字
• 单词:
  • 包含有4个或4个以上的字母
  • 单词由分隔符分开
  • 如果一个字符串包含_非_字母数字，则不是单词
  • 单词大小写不敏感，例如 “file”、“FILE”和“File”可以看作同一个单词
  • 单词必须是字母开头，“file123”是单词，“123file”不是单词

(2). 示例

输入

Word is case insensitive, i.e. “file”, “FILE” and “File” are considered the same word.

输出

file: 3
word: 2
case: 1
considered: 1
insensitive: 1
same: 1

(3). 参考资源

• 教材2.2 节 效能分析工具 代码清单2-6 、代码清单2-7；

• 还可以参考下列链接：

  • 词频统计（心得）
  • 词频统计工程的准备工作和实际完成情况

• Java 博客正则表达式介绍 ，博客Java中使用正则表达式实现字符串匹配

• C++ 博客正则表达式介绍

• 其它 博客正则表达式介绍

---