容器的综合应用：文本查询程序

需求

程序读取用户指定的任意文本文件，允许用户从该文件中查找单词。查询结果是该单词出现的次数，并列出每次出现所在行，如果某单词在同一行中多次出现，程序将只显示该行一次。行号按升序显示，即第 7 行应该在第 9 行之前输出，依此类推。例如，以本章的内容作为文件输入，然后查找单词“element”。输出的前几行应为：

element occurs 125 times
(line 62) element with a given key.
(line 64) second element with the same key.
(line 153) element |==| operator.
(line 250) the element type.
(line 398) corresponding element.
后面省略了大约 120 行。

看着书上的例子，自己写了下，大致思路是

读取文件，将文件以行为单位，放入vector<string>，再遍历vector<string>，将每行每个单词读入map< string，set<unsigned> >中，最后从map中查找读取

注意的地方

程序是不区分大小写的，还需要去掉文章中的标点需要调用函数

头文件#include<cctype>

ispunct() 检查是否是非空格、非数字和非英文字母，类似函数isspace，isdigit，isalpha

tolower() 把字符转换成小写字母

对const成员的迭代器需要用const_iterator

对于内置类型，和长度比较短(8字节以内)的浅层结构，类等对象，传值比传引用效率更高。

对超过8字节的对象，一般传引用效率更高。

但实际上传引用或传值的选择，主要取决于功能需求而非效率需求。

详解

获取文件对象：

ifstream& open_file(ifstream &in,const string &file)
{
    in.close();
    in.clear();
    in.open(file.c_str());
    return in;
}

读文件，创建vector和map

void TextQuery::read_file(ifstream &in)
{
    store_file(in);
    build_map();
}

void TextQuery::store_file(ifstream &in)
{
    string textline;
    while(getline(in,textline))
        lines_of_text.push_back(textline);
}

void TextQuery::build_map()
{
    for(line_no line_num = 0;line_num != lines_of_text.size();line_num++)
    {
        istringstream line(lines_of_text[line_num]);
        string word;
        while(line >> word)
        {
            word = cleanup_str(word);
            word_map[word].insert(line_num);
        }

    }
}

处理单词中的符号，忽略大小写

string TextQuery::cleanup_str(const string &word)
{
    string ret;
    for(string::const_iterator it = word.begin();it != word.end();++it)
    {
        if(!ispunct(*it))
            ret += tolower(*it);
    }
    return ret;    
}

查找单词，返回值是map的第二个元素set，用来保存单词所在的行号

set<TextQuery::line_no> TextQuery::run_query(const string &query_word) const
{
    map< string,set<line_no> >::const_iterator loc = word_map.find(query_word);
    if( loc == word_map.end() )
        return set<line_no>();    //找不到返回空的set对象
    else
        return loc ->second;
}

返回查找结果，这里有个漏洞，查找单词的数目是为单词所出现的行数（因为set不存储重复元素）

void TextQuery::print_result(set<line_no> locs,const string &query_word)
{
    cout<<query_word<<":"<<locs.size()<<endl;
    set<line_no>::iterator it = locs.begin();
    while(it != locs.end())
    {
        cout<<"(line "<<*it+1<<") ";
        cout<<lines_of_text[*it]<<endl;
        it++;
    }
}

写了两个辅助函数，并未调用，为了查看vector和map中的内容

void TextQuery::show_vec()
{
    vector<string>::iterator ite = lines_of_text.begin();
    while(ite != lines_of_text.end())
        cout<<*ite++<<endl;
}
void TextQuery::show_map()
{
    map< string,set<line_no> >::iterator loc = word_map.begin();
    while(loc != word_map.end())
    {
        cout<<loc->first<<"	";
        set<line_no>::iterator it = (loc->second).begin();
        while(it != (loc->second).end())
        {
            cout<<*it + 1<<" ";
            it++;
        }
        cout<<endl;
        loc++;
    }
}

运行结果

 

代码点此下载