WordCount

Github項目地址

PSP表格

解題思路描述：

      閱讀題目的過程中可以發現需要實現功能的主要有以下：
 

• 讀取文件

•    int main(int argc,const char* argv[])可從外部向程序傳遞參數。
    可以實現在命令窗口中（cmd）輸入：wordcount.exe intput.txt
    讀取文件是可根據需要按行讀取或者是按字符讀取等等；
    #includefstream>
    ofstream  //文件寫操作，從內存寫入存儲設備
    ifstream  //文件讀操作，存儲設備讀到內存中
    fstream   //讀寫操作，對打開的文件可進行讀寫操作
    再根據需要結合getchar（）和getline（）等等使用；

• 統計文件的字符數

   字符要求：
  
   只需要統計Ascii碼，漢字不需考慮
  
   空格，水平制表符，換行符，均算字符
   
  

  思路：將文本掃描一遍，當遇到字符時計數加一。

• 統計文件的單詞總數

     單詞要求：
    單詞：至少以4個英文字母開頭，跟上字母數字符號，單詞以分隔符分割，不區分大小寫。
    英文字母： A-Z，a-z
    字母數字符號：A-Z， a-z，0-9
    分割符：空格，非字母數字符號
    例：file123是一個單詞， 123file不是一個單詞。file，File和FILE是同一個單詞

  思路：利用正則表達式，寫好該單詞的正則式，循環一遍遇到匹配的計數加一

• 統計文件的有效行數

    有效行數的要求：任何包含非空白字符的行，都需要統計。

  思路：按行讀取文件，對每一行進行循環，當遇到既不是空格也不是換行符，水平制表符等時計數加一

• 統計文件中各單詞的出現次數

  要求：最終只輸出頻率最高的10個。頻率相同的單詞，優先輸出字典序靠前的單詞。

思路：先掃描一遍將大寫改成小寫，按查詢單詞數的方法找到匹配的單詞 ，放入map，vector，pair等容器相結合；再排序後輸出

• 輸出的格式

  按照字典序輸出到文件result.txt
  characters: number

  words: number

  lines: number

  ...
  思路：用ofstream將結果寫入result.txt
  例如：

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

設計實現過程：

在閱讀完題目之後，開始查找資料，看需要完成的功能該如何更好的實現。讀取文件有不同的方式，
選取一種方式；查找資料，學習使用正則式匹配單詞，正則式該怎麽書寫，怎麽寫循環進行匹配等；在統計
單詞頻率高的單詞用vector，map容器；將結果寫入result.txt文件，
c++編寫代碼，一個main調用  <字符統計函數> <有效行數統計函數>
<單詞統計函數> <統計文件中單詞出現次數>將代碼剝離開，按要實現的不同功能將代碼分成各個模塊；

改進的思路：

文件讀寫用ifstream和ofstream函數比較快；
一開始在匹配單詞想用雙指針自己寫匹配，自己書寫該代碼，工作量比較大，也比較繁瑣，後來發現可以用正則式來匹配，用現成的，來實現單詞的匹配更快一些，也比較簡便；利用sort（）可以很方便的將10個出現頻率最高的單詞輸出；

代碼說明：

統計文件的單詞數

 #include"wordcount1.h"
 #include<string>
 #include<regex>
 #include<map>
 #include<fstream>
  int words_number(string txt)//統計文件的單詞總數
 {
     int count=0;
    map<string, int>m;
    string content;
    ifstream file(txt);
    regex wordtemplate("^[a-zA-Z]{4}[a-zA-Z0-9]*");//要求單詞的正則式
while (file >> content)
{

    const std::sregex_token_iterator  end;
    for (sregex_token_iterator wordIter(content.begin(), content.end(), wordtemplate); wordIter != end; wordIter++)
    {
        m[*wordIter]++;//統計每個單詞的個數；
    }
    
}
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;


 }

統計出現頻率最高的10個單詞

 #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)//求出頻繁出現的十個單詞
 {
    unsigned int i;
    map<string, int>m;
    string content, add;
    ifstream file(txt);
    regex wordtemplate("^[a-zA-Z]{4}[a-zA-Z0-9]*");//要求單詞的正則式
    while (file >> content)
    {
        for (i = 0; i < content.length(); i++)//將大寫換成小寫
        {
            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]++;//統計每個單詞的個數；
        }
    }
    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();

 }

小結

從這次實踐中，學習到在寫一個項目時，從開始時間規劃，需求分析，代碼設計，代碼書寫，測試數據，總結，知道了一個項目的完成是分成那些步驟，而不是像以前寫代碼，從一開始閱讀題目後，沒有設計就直接開始編寫代碼，以前的作業題目相對比較簡單，可以這樣草草的編寫，若如是開發一個大項目，沒有以上的步驟，只會加大自己的工作 量，也可能做不出結果；
代碼要學會很模塊，可以方便以後需要相同功能時可以直接使用。

軟件工程實踐第二次作業