WordCount

Github项目地址

PSP表格

解题思路描述：

      阅读题目的过程中可以发现需要实现功能的主要有以下：

• 读取文件

•    int main(int argc,const char* argv[])可从外部向程序传递参数。
    可以实现在命令窗口中（cmd）输入：wordcount.exe intput.txt
    读取文件是可根据需要按行读取或者是按字符读取等等；
    #includefstream>
    ofstream  //文件写操作，从内存写入存储设备
    ifstream  //文件读操作，存储设备读到内存中
    fstream   //读写操作，对打开的文件可进行读写操作
    再根据需要结合getchar（）和getline（）等等使用；

• 统计文件的字符数

   字符要求：
  
   只需要统计Ascii码，汉字不需考虑
  
   空格，水平制表符，换行符，均算字符

  思路：将文本扫描一遍，当遇到字符时计数加一。

• 统计文件的单词总数

     单词要求：
    单词：至少以4个英文字母开头，跟上字母数字符号，单词以分隔符分割，不区分大小写。
    英文字母： A-Z，a-z
    字母数字符号：A-Z， a-z，0-9
    分割符：空格，非字母数字符号
    例：file123是一个单词， 123file不是一个单词。file，File和FILE是同一个单词

  思路：利用正则表达式，写好该单词的正则式，循环一遍遇到匹配的计数加一

• 统计文件的有效行数

    有效行数的要求：任何包含非空白字符的行，都需要统计。

  思路：按行读取文件，对每一行进行循环，当遇到既不是空格也不是换行符，水平制表符等时计数加一

• 统计文件中各单词的出现次数

  要求：最终只输出频率最高的10个。频率相同的单词，优先输出字典序靠前的单词。

思路：先扫描一遍将大写改成小写，按查询单词数的方法找到匹配的单词 ，放入map，vector，pair等容器相结合；再排序后输出

• 输出的格式

  按照字典序输出到文件result.txt
  characters: number

  words: number

  lines: number

  ...
  思路：用ofstream将结果写入result.txt
  例如：

  ofstream out("result.txt",ios::in|ios::out);
  out.seekp(0, ios::end);
  out<<"xxxx:"<<xxxx<<endl;

设计实现过程：

在阅读完题目之后，开始查找资料，看需要完成的功能该如何更好的实现。读取文件有不同的方式，
选取一种方式；查找资料，学习使用正则式匹配单词，正则式该怎么书写，怎么写循环进行匹配等；在统计
单词频率高的单词用vector，map容器；将结果写入result.txt文件，
c++编写代码，一个main调用  <字符统计函数> <有效行数统计函数>
<单词统计函数> <统计文件中单词出现次数>将代码剥离开，按要实现的不同功能将代码分成各个模块；

改进的思路：

文件读写用ifstream和ofstream函数比较快；
一开始在匹配单词想用双指针自己写匹配，自己书写该代码，工作量比较大，也比较繁琐，后来发现可以用正则式来匹配，用现成的，来实现单词的匹配更快一些，也比较简便；利用sort（）可以很方便的将10个出现频率最高的单词输出；

代码说明：

统计文件的单词数

 #include"wordcount1.h"
 #include<string>
 #include<regex>
 #include<map>
 #include<fstream>
  int words_number(string txt)//统计文件的单词总数
 {
     int count=0;
    map<string, int>m;
    string content;
    ifstream file(txt);
    regex wordtemplate("^[a-zA-Z]{4}[a-zA-Z0-9]*");//要求单词的正则式
while (file >> content)
{

    const std::sregex_token_iterator  end;
    for (sregex_token_iterator wordIter(content.begin(), content.end(), wordtemplate); wordIter != end; wordIter++)
    {
        m[*wordIter]++;//统计每个单词的个数；
    }
    
}
map<string, int>::const_iterator pp;

for (pp = m.begin(); pp != m.end(); pp++)
{
    count=count+pp->second;
}

file.clear();
file.seekg(0);
return count;


 }

统计出现频率最高的10个单词

 #include"frequent_words_count.h"
 #include <string>
 #include<map>
 #include<vector>
 #include<regex>
 #include<fstream>




 bool wordsort(pair<string, int>k1, pair<string, int> k2)
 {
   return k1.second > k2.second;
 }
 void frequent_words(string txt)//求出频繁出现的十个单词
 {
    unsigned int i;
    map<string, int>m;
    string content, add;
    ifstream file(txt);
    regex wordtemplate("^[a-zA-Z]{4}[a-zA-Z0-9]*");//要求单词的正则式
    while (file >> content)
    {
        for (i = 0; i < content.length(); i++)//将大写换成小写
        {
            if (‘A‘ <= content[i] && content[i] <= ‘Z‘)
            {
                content[i] = content[i] + 32;
            }
        const std::sregex_token_iterator  end;
        for (sregex_token_iterator wordIter(content.begin(), content.end(), wordtemplate); wordIter != end; wordIter++)
        {
            m[*wordIter]++;//统计每个单词的个数；
        }
    }
    file.clear();
    file.seekg(0);
    vector <pair<string, int>> v;
    for (map<string, int>::iterator iter = m.begin(); iter != m.end(); iter++)
    {
        v.push_back(pair<string, int>(iter->first, iter->second));
    }
    sort(v.begin(), v.end(), wordsort);
    int length = 10;
    if (v.size() < 10)
    {
        length = v.size();
    }
    vector<pair<string, int>>::iterator mm;
    ofstream out("result.txt", ios::in | ios::out);
    for (mm = v.begin(); mm != v.begin() + length; mm++)
    {
        out.seekp(0, ios::end);
        out << "<" << mm->first << ">" << mm->second << endl;
    }
    out.clear();

 }

小结

从这次实践中，学习到在写一个项目时，从开始时间规划，需求分析，代码设计，代码书写，测试数据，总结，知道了一个项目的完成是分成那些步骤，而不是像以前写代码，从一开始阅读题目后，没有设计就直接开始编写代码，以前的作业题目相对比较简单，可以这样草草的编写，若如是开发一个大项目，没有以上的步骤，只会加大自己的工作 量，也可能做不出结果；
代码要学会很模块，可以方便以后需要相同功能时可以直接使用。

软件工程实践第二次作业

原文：https://www.cnblogs.com/bingaa/p/9637677.html