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
map映射到数组,统计并排序。
#include <iostream> #include <algorithm> #include <map> #include <cstring> using namespace std; struct str { char s[16]; int num; }ans[10000]; int no = 1; bool cmp(str a,str b) { if(a.num == b.num)return strcmp(a.s,b.s) < 0; return a.num > b.num; } int main() { char ch,s[16]; int c = 0; map<string,int> p; while((ch = cin.get()) != ‘#‘) { if(ch == ‘_‘) { if(c < 15)s[c ++] = ch; } else if(isdigit(ch)) { if(c < 15)s[c ++] = ch; } else if(isalpha(ch)) { if(c < 15)s[c ++] = tolower(ch); } else { if(c) { s[c] = ‘\0‘; c = 0; if(!p[s]) { strcpy(ans[no].s,s); ans[no].num = 1; p[s] = no ++; } else { ans[p[s]].num ++; } } } } sort(ans + 1,ans + no,cmp); cout<<no - 1<<endl; for(int i = 1;i <= no / 10;i ++) { cout<<ans[i].num<<‘:‘<<ans[i].s<<endl; } }