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(  )
     {
     }
     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 = ; 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    = ;
 }

 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 (  <= ch && ch <=  )
         {
             char (ch) = char(ch - );
             break;
         }
     }

     int wCount = ;                 /* 计算单词总数 */
     if ( content.length() <  )     /* 长度小于4的单词删除 */
     {
         wCount--;
         content.erase( , offset +  );
         offset = content.find( ' ' );
         continue;
     }
     for ( unsigned int i = ; i < content.length(); i++ )
     {
         if ( content[i] == ' ' || content[i] == '\t' || content[i] == '\n' || content[i] == '.' || content[i] == ',' )
             wCount++;                                                       /* 分隔符分为' '，'\t'，'\n'，','，'.'五种 */
     }
     words = new Word[wCount];

     string::size_type offset = content.find( ' ' || '\t' || '\n' || '.' || ',' );   /* 单词以分隔符隔开 */
     while ( offset != string::npos )
     {
         string wStr = content.substr( , offset );
         content.erase( , offset +  );
         CalcCount( words, wStr, wCount );
         offset = content.find( ' ' || '\t' || '\n' || '.' || ',' );
     }
     CalcCount( words, content, wCount );

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

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