7-3 词频统计 (30 分)

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.
结尾无空行

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
结尾无空行

#include
#define N 100005
#define ll long long
#define inf 0x3f3f3f3f
using namespace std;
typedef pair<string,int> pii;bool cmp(pii a,pii b)
{if(a.second==b.second&&a.first<b.first)return true;else if(a.second>b.second)return true;return false;
}int main(){map<string,int>ma;char c;string str="";while(c=getchar()){if(c=='#') break;if(c>='A'&&c<='Z'){if(str.size()<15) str+=c+32;}else if((c>='a'&&c<='z')||c=='_'||(c>='0'&&c<='9')){if(str.size()<15) str+=c;}else{if(!ma.count(str))ma[str]=1;elsema[str]++;str="";}}vector<pii>ve;map<string,int>::iterator it;for(it=ma.begin();it!=ma.end();it++){if(it->first!="")ve.push_back(make_pair(it->first,it->second));}cout<<ve.size()<<endl;sort(ve.begin(),ve.end(),cmp);int num=(int)(ve.size()*0.1);for(int i=0;i<num;i++){cout<<ve[i].second<<":"<<ve[i].first<<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！