7-2 词频统计(map、vector、sort方法)
7-2 词频统计 (25分)
请编写程序,对一段英文文本,统计其中所有不同单词的个数,以及词频最大的前10%的单词。
所谓“单词”,是指由不超过80个单词字符组成的连续字符串,但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线,其它字符均认为是单词分隔符。
输入格式:
输入给出一段非空文本,最后以符号#结尾。输入保证存在至少10个不同的单词。
输出格式:
在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写,例如“PAT”和“pat”被认为是同一个单词。
随后按照词频递减的顺序,按照词频:单词的格式输出词频最大的前10%的单词。若有并列,则按递增字典序输出。
输入样例:
This is a test.
The word "this" is the word with the highest frequency.
Longlonglonglongword should be cut off, so is considered as the same as longlonglonglonee. But this_8 is different than this, and this, and this...#
this line should be ignored.
输出样例:(注意:虽然单词the也出现了4次,但因为我们只要输出前10%(即23个单词中的前2个)单词,而按照字母序,the排第3位,所以不输出。)
23
5:this
4:is
代码
#include<bits/stdc++.h>
using namespace std;
bool cmp(pair<string, int> a, pair <string, int> b);
int main(){
char ch;
string s;
map<string,int> mp;
do{
ch = getchar();
if ((ch >= 'a'&&ch <= 'z') || (ch >= 'A'&&ch <= 'Z') || (ch >= '0'&&ch <= '9') || ch == '_') {
if (s.size() <= 14) {
if (ch >= 'A'&&ch <= 'Z') {
ch += 32;
}
s += ch;
}
}
else {
if (s.size() > 0) {
if(!mp.count(s)){
mp[s]=1;
}else{
mp[s]++;
}
}
s.clear();
}
if (ch == '#') {
break;
}
}while(ch!='#');
vector<pair<string,int> > v(mp.begin(),mp.end());
sort(v.begin(),v.end(),cmp);
cout<<v.size()<<endl;
int cnt=(int)(v.size()*0.1);
for(int i=0;i<cnt;i++){
cout<<v[i].second<<":"<<v[i].first<<endl;
}
return 0;
}
bool cmp(pair<string, int> a, pair <string, int> b){
bool result=false;
if(a.second==b.second&&a.first<b.first){
result=true;
}
if(a.second>b.second){
result=true;
}
return result;
}
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 时间海!
评论