从文本文件c ++中计算字数

时间:2012-04-29 06:56:54

标签: c++

这是文件的内容:

12.34.
.3
3..3
.3.4
..8
.this
test.this
test.12.34
test1.this
test1.12.34

这是预期的输出:

COUNT | WORD 
------+------
   1  | .3
   1  | .3.4
   2  | 12.34
   2  | 3
   1  | 8
   2  | test
   1  | test1
   1  | test1.12.34
   3  | this

要求是从文本文件中读取每一行,然后从行中提取单词。每当遇到新单词时,程序应从动态内存中分配一个节点实例,以包含单词及其计数,并将其插入到链表中,以便始终对列表进行排序。如果遇到的单词已经存在于列表中,那么该单词的计数应该递增。考虑到'。'分隔符,如果。字符左侧有空格,制表符,换行符或数字,右侧有数字,则它被视为小数点,因此被视为单词的一部分。否则,它被视为句号和单词分隔符。

单词:由字母和数字字符组成的序列,单引号,下划线和连字符由一个或多个分隔符的序列分隔。请参阅下面的分隔符字符列表。此赋值的输入将包含单词和整数以及浮点数。单引号字符将始终作为撇号,应被视为单词的一部分。因此,流光,飘带,流光和飘带都应该是不同的词,但“飘带”和飘带应该算作两次出现的飘带。

显然,我得到了一些东西,但我仍然坚持将句号视为单词分隔符。有谁能建议我一些提示?

bool isSeparator(const char c) {  
    if (std::isspace(c)) return true;

    const std::string pattern = ",;:\"~!#%^*()=+[]{}\\|<>?/";
    for (unsigned int i = 0; i < pattern.size(); i++) {
        if (pattern[i] == c) 
            return true;
    }
    return false;
}
void load(std::list<Node> &nodes, const char *file) {
    std::ifstream fin;
    std::string line = "";
    std::string word = "";

    fin.open(file);

    while (std::getline(fin, line)) {

        for (unsigned int i = 0; i < line.size(); i++) {
            if (isSeparator(line[i]) || i == (line.size() - 1)) {
                if (word.find('.') < word.size()) { // if there is a '.' in a word
                    if (word.find('.') == word.size() - 1) { // if '.' at the end of word
                        word.erase(word.find('.'), 1); // remove '.' in any case
                    }
                }
                if (word.size() != 0) {
                    nodes.push_back(Node(word));
                    word.clear();
                }
            } else {
                word += line[i];
            }
        }
    }

    fin.close();
}

我刚刚开始使用c ++,因此,赋值只需要使用std :: list来存储节点和一些基本的字符串操作。

1 个答案:

答案 0 :(得分:0)

我修改了你编写的函数(isSeparator)并添加了一个新函数(isDigit):

bool isSeparator(const char c) {
    const string pattern = ".,;:\"~!#%^*()=+[]{}\\|<>?/";
    for (unsigned int i = 0; i < pattern.size(); i++) {
        if (pattern[i] == c)
            return true;
    }
    return false;
}

bool isDigit(const char c) {
    if ((int) c >= 0x30 && (int) c <= 0x39) return true;
    else return false;
}

新函数isDigit用于确定传递的字符是否为数字,我试图收集所有可能的测试用例,以确保以正确的方式分隔单词,这是我考虑的情况:

word.12word.word
word.12.3word.word
word.word12.word
12.3.

对于加载函数我修改了代码,你的部分是确定在我的代码中插入列表节点的代码并将其与你的需求集成,这里是修改的加载函数:

ifstream fin;
    fin.open("file.in");
    string line, word = "";
    list<Node> node;
    while (getline(fin, line)) {
        for (unsigned int i=0; i<line.size(); i++) {
            if ((line[i] == '\t' || line[i] == ' ' || isDigit(line[i])) && (line[i+1]=='.' && isDigit(line[i+2]))) {
                word += line[i];
                word += ".";
                i+=2;
                while (!isSeparator(line[i])) word += line[i++];
                i--;
            } else if (!isSeparator(line[i])) {
                word += line[i];
                if (i==line.size()-1) {
                    node.push_back(Node(word));
                    //cout << word << endl; for debugging
                    word.clear();
                }
            } else {
                if (word.size() > 0) {
                    node.push_back(Node(word));
                    //cout << word << endl; for debugging
                    word.clear();
                }
            }
        }
    }
    fin.close();

这是输出:

word
12word
word
word
12.3word
word
word
word12
word
12.3

以下是解决这些字符串匹配问题时必须遵循的步骤:

1-首先确定可能的情况,我想我提供的测试用例证明了这一点。
2-根据可能的测试用例/输入开始构建ifs语句。
3-尝试减少ifs并将多余的组分组。
4-最后一切都取决于你的逻辑和思路。

祝你好运:)

注意我每次使用using namespace std;语句而不是嵌入std ::。 如果我错了,请纠正我。