實驗要求

1. 對源文件（*.txt,*.cpp,*.h,*.cs,*.html,*.js,*.java,*.py,*.php等，文件夾內的所有文件）統計字符數、單詞數、行數、詞頻，統計結果以指定格式輸出到默認文件中，以及其他擴展功能，並能夠快速地處理多個文件。
2. 使用性能測試工具進行分析，找到性能的瓶頸並改進
3. 對代碼進行質量分析，消除所有警告
4. 設計10個測試樣例用於測試，確保程序正常運行（例如：空文件，只包含一個詞的文件，只有一行的文件，典型文件等等）
5. 使用Github進行代碼管理
6. 撰寫博客

前期準備

需求分析

本次作業要求對任意文件或者特定目錄下所有文件中的字符、單詞、詞組做相應的統計分析，並將統計結果輸出到result文件中。其中主要有以下需要特別註意的：

1. 質量要求高，要求使用VS分析熱行，提高程序性能，並且要做到沒有“警告”；
2. 要求跨平臺；
3. 甲方的要求很“反人類”，不容易理解；
4. 博客的撰寫、作業進程的記錄與分析等。

代碼規範

VS會自動換行，加空格之類的，在此基礎上根據我個人的習慣，結合之前看的一些書，制定了以下規範：

• 變量的定義，如果涉及到2個單詞，第一個單詞首字母大寫，第二個單詞首字母小寫；
• 對於每個代碼塊，使用 4 空格或等長的 Tab 縮進；

• 定義變量不同行；

  花括號獨占一行；

• 不應該有兩個連續的空行；

• main 函數的返回值類型必須是 int，可以省略 return 0;
• 傳參時，應該根據實際需要使用「引用」、「const
  引用」和「值傳遞」，比如定義bool cmp的時候一定要使用const；

• 應該盡量少使用全局變量。

PSP表格----隨著進度會隨時更新

設計思路

• 根據輸入的目錄或文件名將所有的文件路徑以及文件夾保存在vector<string>,對每個文件依次進行統計。
• 將每個文件的字符流讀入一個string，從頭到尾進行處理。
• 單詞、詞組信息利用C++中的unordered map實現。定義結構體strint,存儲字典序最小的str以及對應的頻率。對於單詞來說，采用unordered_map<string, strint> Wordfre，其中第一個str是去除了單詞後綴數字並且全部轉化為小寫字母的串，便於hash。對於詞組來說，采用數據結構unordered_map<string, int> Phrasefre來存儲，其中string是2個單詞的連接，其中用 _來劃分。詞組在輸出時，拆分，利用Wordfre中的信息更新字母的大小寫信息。

• 判斷統計單詞的實現如下：依次讀取string的字符，結合已經輸入的字符的信息，判斷能否成詞。細節見代碼。一旦成詞，清空之前已經輸入的信息。
• 判斷統計詞組的實現如下：結合當前的單詞，和上一次的單詞Lastword結合成為詞組
• 關於Top10單詞的獲得， 這裏采用C++的優先隊列，隊列維持出現最頻繁的10個元素，時間復雜度O(nlogk).

第一次個人作業之詞頻統計