新手上路,请高手指教: 如何统计一篇英文文章中每个单词出现的次数? 每个单词用空格符或标点分隔,文章可能很长,所以最好兼顾perfermance的问题.

谢谢!

一个字符一个字符的检查，遇到标点记一次数，遇到一个空格后再读到一个非空格也记一次数。
最后读完了看记数的变量就知道了。

to:百年不亮

3Q!
希望我没误会你的意思,但我想要统计每个单词出现的次数,而不是一共有多少个单词.

能不能用哈希表来实现呢,求高手指点迷津,给出基本思想.

#include <map>
#include <iostream>
#include <string>
#include <fstream>
using namespace std;
ifstream* Init(ifstream* ins,map<string,int> &dir)
{
    if(ins->fail())
        return NULL;
    char seps[]=\" ,;.!\'\t\n\\"<>=-+*/%|&^~()[]{}?:@#$\";
    char buf[4096]={0};
    while(ins->getline(buf,4096))
    {
        char *token = strtok(buf, seps );
        while( token != NULL )
        {
            dir[string(token)]++;
            token = strtok( NULL, seps );
        }
        memset(buf,0,4096);
    }
    ins->close();
    return ins;
}
int RepeatTimes(string word,map<string,int> &dir)
{
    return dir[word];
}
void main()
{
    map<string,int> mp;
    ifstream *ins = Init(new ifstream(\"file.dat\"),mp);
    if(ins)
        cout<<RepeatTimes(\"love\",mp)<<endl;
    delete ins;
}

[此贴子已经被作者于2007-7-2 13:39:09编辑过]

谢谢哦,有没有不用STL的解法

不用容器类，那存储单词就比较复杂。

可以用哈希表，不过这里是要统计而不是查询，况且这样的题目应该不会在意效率，用哈希表相对更复杂。

to:aipb2007
谢谢你的解答. 可能是因为跨平台的原因,要求不能使用STL.

说到统计和查询的问题,个人觉得这个问题可能需要做查询的工作.因为要统计出现的每个单词,做个很简单的类作比方
class wordCounterNode
{
public:
...

private:
string word;// 记录文章里每个第一次出现的单词
int totalNum;//记录这个单词出现的次数
};

读到文章后面的单词时,需要和前面已查询过的单词比较,如果通过查询发现在文章前面曾经出现过,直接在相应的计数器上加1,如果没有,得新创建一个wordCounterNode对象,存取这个新出现的单词，并将计数器置1.如果文章中有很多个单词,在查后面的单词时，查询工作会很费时，应该会需要一个快速查询方法。个人认为如果文章中有N个单词，一般查询的算法复杂度是O(n*n),不知道对不，请指教。

这个问题只是我要解决的整个问题中的一个部分，如果太慢，会有perfermance问题。

期待大家给个思路，不胜感激。

to zeno_zeng:

你的思路已经有了，并且很可行，至于跨平台，一样的可以使用stl。
在你的设计思路上，不用标准库容器和算法，当然也可以。

单词的存储，可以用hash table,不过我个人觉得，非海量数据用hash也许不回对效率有很大改善，再有就是你要选择一个合适的hash 函数，让数据最大限度散列，才能有效的实现查询。这应该是个难点。

然后，个人建议：如果文章查询不是太长，比如这个程序只用在控制台里，其实用数组存放分配堆内存也是一种可行的方法。
两种方法你都可以试试，比较下。

遇到什么问题可以一起讨论。
GOOD LUCK