Question

问题：给定一个txt文件，找到文档中所有字母的标准化频率。

例如，如果给定的letters.txt包含“aaabb”

输出将是：

信|频率

0.6

b 0.4

应忽略非字母或数字。

到目前为止我的解决方案：

由于他们想要输入文本文件，我的main（）应该接收命令行参数。

int main (int argc, char* argv[]){

我使用getchar（）

进行了EOF检查

    while ((c=getchar()) != EOF){

和if语句，用于检查getchar（）的char是否在a-＆gt; z或A-＆gt; Z的ASCII值范围内

  if (argv[1][c] >= 'a' && argv[1][c] <= 'z' || argv[1][c] >= 'A' && argv[1]<= 'Z')

这里有两件事 - 我不知道argv [1] [c]是否是写这篇文章的正确方法，但直觉上对我来说是有意义的。

一旦检查满足，我希望相应的字母更新一个专门针对其字母表中＃位置的计数。因此，每次找到该字母时都需要一个为该字母迭代的声明数组。

count[26];

这是我在计数数组中将字母a或A与位置计数[0]相关联的麻烦。我不知道如何编写这部分代码。

Answer 1

为什么不创建一个大小为52的int数组，并且数组的前半部分用于小写字符计数而上半部分用于大写？

所以在伪代码中：

#define ALPHA_COUNTS (52)
#define UPPER_OFFSET (26)

int counts[ALPHA_COUNTS] = {0};

for (char c : the_file_stream) {
    if (c is an alphabet character) {
        if (c is a lowercase character){
            ++counts[c - 'a'];
        } else {
            ++counts[c - 'A' + UPPER_OFFSET];
        }
    }
}

更简单的方法是只为所有ASCII字符创建一个表，并只填充字母字符：

#define ASCII_COUNT (127)

int counts[ASCII_COUNT] = {0};

for (char c : the_file_stream) {
    if (c is an alphabet character) {
        ++counts[c];
    }
}

然后，您可以遍历[Aa-Zz]的集合并检查每个字符的计数。

Answer 2

通过计算所有输入的出现次数来简化统计数据收集在结果中应忽略非字母或数字。

unsigned long long count[UCHAR_MAX + 1] = {0}; int ch; while ((ch=getchar()) != EOF){ count[ch]++; }

现在只对字母
求和
unsigned long long sum = 0; for (int i=0; i<=UCHAR_MAX; i++) { if (isalpha(i)) { sum += count[i]; // fold into lower case if (isupper(i)) { count[tolower(i)] += count[i]; count[i] = 0; } } }

打印频率

for (int i=0; i<=UCHAR_MAX; i++) { if (isalpha(i) && count[i] > 0) { printf("%c %f\n", i, 1.0*count[i]/sum); } }

Answer 3

有许多不同的方法可以解决这个问题。您可以使用ctype.h中提供的功能（例如isalpha，tolower，toupper等），或者对于所需的有限数量的测试，您可以简单地使用使用算术或基本按位运算直接测试字符。例如，您可以测试'a'和'z'之间的值是否为小写，对于所有字符，6th-bit中的7-bit ASCII是情况 - 位，所以简单地切换大小写位会将字符从上到下更改，反之亦然。

读然后分析方法 chux 概述了一个很好的方法。只要您可以将输入/输出与处理数据分开，就可以为自己提供很大的灵活性。

使用该逻辑，使用算术和简单按位运算来分析文件中出现的 alpha - 字符（[A-Za-z]）频率的示例可以类似于以下内容编写。注意，程序将从作为第一个参数提供的文件名中读取（如果没有给出文件名，则默认来自stdin：

#include <stdio.h>
#include <limits.h>

int main (int argc, char **argv) {

    unsigned long long count[UCHAR_MAX + 1] = {0}, sum = 0;
    int c, i;
    FILE *fp = argc > 1 ? fopen (argv[1], "r") : stdin;

    if (!fp) {  /* validate file open for reading */
        fprintf (stderr, "error: file open failed '%s'.\n", argv[1]);
        return 1;
    }

    while ((c = fgetc(fp)) != EOF) count[c]++; /* fill count */

    for (i = 0; i <= UCHAR_MAX; i++) {/* freq of only chars  */
        if ('A' <= i && i <= 'Z') {   /* fold upper-case     */
            count[i ^ (1u << 5)] += count [i]; /* into lower */
            count[i] = 0;                   /* zero index    */
        }
        if ('a' <= i && i <= 'z')           /* if lower-case */
            sum += count[i];                /* add to sum    */
    }

    printf ("\n total characters [A-Za-z]: %llu\n\n", sum);
    for (i = 0; i <= UCHAR_MAX; i++)
        if (count[i] > 0 && ('a' <= i && i <= 'z'))
            printf (" %c%c : %.2f\n", i ^ (1u << 5), i, 1.0 * count[i]/sum);
    putchar ('\n');

    if (fp != stdin) fclose (fp);      /* close if not stdin */

    return 0;
}

示例使用/输出

使用'aaabb'程序的示例生成以下内容：

$ ./bin/char_freq < <(echo "aaabb")

 total characters [A-Za-z]: 5

 Aa : 0.60
 Bb : 0.40

稍长的示例显示仅[A-Za-z]的完整字符选择：

$ ./bin/char_freq < <(echo "*(a)123A_a/B+4b.")

 total characters [A-Za-z]: 5

 Aa : 0.60
 Bb : 0.40

查看此答案以及所有其他答案，如果您有其他问题，请告诉我。

规范化给定.txt文件中字母的频率

3 个答案: