Mikel
[转载]分析一个文本文件（英文文章）中各个词出现的频率，并且把频率最高的10个词打印出来。 – 赵天 – 博客园.
设计分析：
遇到这样一个程序设计，首先解决的是文件读入的问题（我选择读入txt），用C中的文件指针很容易解决；
第二，英文文章中由英文字母，标点符号，其他字符组成，要将他们分离，这就用到了词法分析，将每个单词分离出来并且分析；
第三，统计单词个数（不一样的单词各有几个），排序，输出频率最高的10个。
要解决的是文件读取后储存问题，就是放在结构体中，单词的种类和数量统计起来。可以用结构体数组，可以用链表。
统计后排序的问题，如果将整个结构体或链表排序，那将是一件好大的工程，但是题目只是将频率最高的10个词打印出来，就像每天人们听歌，排行榜上的 第一页是用户听得最多的歌曲。于是，我只是初始化了一个结构体数组，长度为10，将10个排序，然后用最后一个，也就是这10个中频率最小的与其他的比 较，如果有频率比他高的，则插入到这个长度为10 的结构体数组中。插入之后还是顺序的。这样就节省了很多的工作量。
数据结构：
储存单词的数据结构：
①结构体
typedef struct
{
char danci[19];//储存单词
int count;//记录单词个数,后面出现几次
}sq;
②链表
struct Word
{
char danci[19];
int count;
struct Word *next;
};
找出频率最高的十个单词
for(i=10;i<n;i++)
{
if(frequency_max[9].count<word[i].count)
{
int a=8;
while(frequency_max[a].count<word[i].count&&a>=0)
{
a–;
}
for(j=9;j>a+1;j–)
{
frequency_max[j]=frequency_max[j-1];
}
if(a<0)
frequency_max[0]=word[i];
else
frequency_max[j]=word[i];
}
}
代码：
#include<iostream>
#include<iomanip>
#include<time.h>
using namespace std;
#define M 20000
//文章单词个数
typedef struct
{
char danci[19];//储存单词
int count;//记录单词个数,后面出现几次
}sq;
void main()
{
double start,finish;
start=(double)clock();
sq word[M];
sq t_word;
double s,f;
int K,n=0,i,j;
char infile[10];
s=(double)clock();
cout<<"***********请输入文件路径:***********"<<endl;
cin>>infile;//文件路径输入
f=(double)clock();//
cout<<"输入文件路径的时间:"<<(f-s)/1000<<"s"<<endl;
FILE *fp;
char ch;
//fp=fopen("d://pro.txt","r");
if((fp=fopen(infile,"r"))==NULL)
{
cout<<"无法打开文件！"<<endl;
exit(0);
}
s=(double)clock();
while(!feof(fp))
{
ch=getc(fp);
if(ch==' '||ch==10)
{//虑空
continue;
}
if((ch>='a'&&ch<='z')||(ch>='A'&&ch<='Z')) //发现一个单词
{
K=0;
t_word.count=1;
while((ch>='a'&&ch<='z')||(ch>='A'&&ch<='Z')||(ch=='\''))
{
if(ch>='A'&&ch<='Z')
ch+=32;//转换成小写
t_word.danci[K++]=ch;
ch=getc(fp);
}
t_word.danci[K++]='\0';
//一个单词结束
j=n;
for(i=0;i<j;i++) //与前面的单词比较
{
if(strcmp(t_word.danci,word[i].danci)==0)
{
word[i].count++;
break;
}
}
if(n==0||i==j)
{
word[n]=t_word;
n++;
}
}
}
f=(double)clock();
cout<<"读文件,分出单词并统计的时间:"<<(f-s)/1000<<"s"<<endl;
s=(double)clock();
//输出频率最高的十个单词
sq frequency_max[10];
sq temp;
for(i=0;i<10;i++)
{
frequency_max[i]=word[i];//初始化频率最高的十个单词为前十个单词
}
//前十个排序
for(j=0;j<10;j++)
for (i=0;i<10-j;i++)
if(frequency_max[i].count<frequency_max[i+1].count)
{
temp=frequency_max[i];
frequency_max[i]=frequency_max[i+1];
frequency_max[i+1]=temp;
}
for(i=10;i<n;i++)
{
if(frequency_max[9].count<word[i].count)
{
int a=8;
while(frequency_max[a].count<word[i].count&&a>=0)
{
a--;
}
for(j=9;j>a+1;j--)
{
frequency_max[j]=frequency_max[j-1];
}
if(a<0)
frequency_max[0]=word[i];
else
frequency_max[j]=word[i];
}
}
f=(double)clock();
cout<<"冒泡排序,搜索频率最高的10个单词的时间:"<<(f-s)<<"ms"<<endl;
for(i=0;i<10;i++)
{
cout<<setiosflags(ios::left)<<setw(10)<<frequency_max[i].danci<<frequency_max[i].count<<endl;
}
finish=(double)clock();
cout<<"总运行时间:"<<(finish-start)/1000<<"s"<<endl;
}
