PTA 7-14词频统计(30分)

词频统计(30分)

题目：

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

思路：

简单模拟。map储存字符串出现次数，用struct来存并且排序，先全部大写换小写利于储存排序，然后遇到有效字符即读取存入a，否则将a存入map中并清空a，继续操作直到读到最后。
需要注意的是会读入空格，所以需要进行判断是否当前位置前没有读入过空格。
map存字符串的时候是通过是否为第一次出现来给struct编序号的，然后map的值转化为相应序号进行struct的操作。
（听说字典树才是正解,但是对于我这种树痴来说,模拟,yyds！）

AC代码：

#include
using namespace std;
#define inf 0x3f3f3f
string a;
map<string,int>p;
struct node
{int num;string str;
} h[101000];
bool cmp(node a,node b)
{if(a.num!=b.num)return a.num>b.num;else return a.str<b.str;
}int main()
{char c;string s;while(scanf("%c",&c)&&c!='#'){s+=c;}int l=s.size();for(int i=0; i<l; i++){if(s[i]>='A'&&s[i]<='Z')s[i]+=32;}int k=0;int f=0;for(int i=0; i<l; i++){if((s[i]>='a'&&s[i]<='z')||(s[i]>='0'&&s[i]<='9')||s[i]=='_'){if((int)a.size()<15)a+=s[i];f=1;}else{if(f==1){f=0;if(p[a]==0){h[++k].num++;//此处设置为++k而非k++h[k].str=a;p[a]=k;}else{h[p[a]].num++;}a.clear();}}}sort(h+1,h+k+1,cmp);cout<<k<<endl;for(int i=1; i<=k/10; i++){cout<<h[i].num<<":"<<h[i].str<<endl;}return 0;
}

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！