个人项目-词频统计(语言：C++)

词频统计 (个人项目)

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。 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。

(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。

---

开发语言：C++

各个模块时间（预估/实际）（本来预估3-4h可完成，但实际花了将近6-7h）

	预估时间	实际时间
词频统计	1.5h	1.5h
大小写转换	0.75h	1h
长度小于4的单词删除	0.75h	1.5h
多个分隔符区分	1h	2h

---

由于上一次老师提过代码的规范性，所以这一次的代码我特意注意了代码的书写规范。

下面是源代码：

#include <iostream>
#include <string>
using namespace std;

struct Word   /* 单词对象 */
{
    Word() : Str( "" ), Count( 0 )
    {
    }
    string    Str;
    int    Count;
};


void CalcCount( Word *words, string &content, int size )  /* 统计词频 */
{
    int i;              /* words单词 content内容 size个数 */
    for ( i = 0; i < size; i++ )
    {
        if ( words[i].Str == content )
        {
            words[i].Count++;
            return;
        }else if ( words[i].Str == "" )
            break;
    }
    words[i].Str    = content;
    words[i].Count    = 1;
}


int main()
{
    char    ch;
    Word    *words;
    string    content;
    cout << "输入一段英文:";
    getline( cin, content );
    while ( cin.get( ch ) ) /* 把所有小写字母换成大写字母 */
    {
        ch = cin.get(); /* 此部分存疑，可能是输入问题，这一部分无法实现 */
        if ( 97 <= ch && ch <= 122 )
        {
            char (ch) = char(ch - 32);
            break;
        }
    }

    int wCount = 1;                 /* 计算单词总数 */
    if ( content.length() < 4 )     /* 长度小于4的单词删除 */
    {
        wCount--;
        content.erase( 0, offset + 1 );
        offset = content.find( ' ' );
        continue;
    }
    for ( unsigned int i = 0; i < content.length(); i++ )
    {
        if ( content[i] == ' ' || content[i] == '	' || content[i] == '
' || content[i] == '.' || content[i] == ',' )
            wCount++;                                                       /* 分隔符分为' '，'	'，'
'，','，'.'五种 */
    }
    words = new Word[wCount];

    string::size_type offset = content.find( ' ' || '	' || '
' || '.' || ',' );   /* 单词以分隔符隔开 */
    while ( offset != string::npos )
    {
        string wStr = content.substr( 0, offset );
        content.erase( 0, offset + 1 );
        CalcCount( words, wStr, wCount );
        offset = content.find( ' ' || '	' || '
' || '.' || ',' );
    }
    CalcCount( words, content, wCount );

    for ( int j = 0; j < wCount; j++ ) /* 最后输出结果 */
    {
        cout << words[j].Str << ":" << words[j].Count << endl;
    }
    delete[] words;
    return(0);
}

运行结果（老师给的例子）：

---

我的分析：

由上图可以看出，结果并不完全正确，我的代码里面，小写字母全部转换成大写字母那一块出了问题。我前前后后大概改了十几次，也翻阅了C++书，我觉得可能是输入读取出了问题，但是怎么改都无济于事，这个问题算是存疑，之后我会借助同学或者老师的力量解决这个问题的。

我的总结：

由于JAVA的初步学习我觉得还不够让我写出这样一个程序，所以我还是选择了C++语言写了这个程序。这次源代码，我花的时间比预计的时间多了很多，一部分原因是C++知识的疏漏和遗忘，另一部分原因就是题目的要求细节的难度比较高。这个词频统计的题目，虽然以前做过字母的统计，大小写转换，分隔符区分等等程序，但是要写出这个充满细节需要的程序，确实难上加难，甚至我最后还存了疑，在小写字母全部转换成大小字母这儿问题上，并没有完全解决，短时间内可能再卡在这里，所以我选择之后借助一个同学和老师的力量解决。

github链接：https://github.com/liuyutianlyt/CalcCount.md