c语言实现词频统计的简单实例

 更新时间:2016年09月06日 14:44:04   投稿:jingxian  
下面小编就为大家带来一篇c语言实现词频统计的简单实例。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧

需求:

1.设计一个词频统计软件,统计给定英文文章的单词频率。

2.文章中包含的标点不计入统计。

3.将统计结果以从大到小的排序方式输出。

设计:

1.因为是跨专业0.0···并不会c++和java,只能用仅学过的C语言进行编写,还是挺费劲的。

2.定义一个包含单词和频率两个成员的结构体来统计词频(进行了动态分配内存,可以处理较大文本)。

3.使用fopen函数读取指定的文档。

4.使用fgetc函数获取字符,再根据取得的字符是否是字母进行不同的处理。

5.采用快速排序法对统计结果进行排序。

5.将整个统计结果循环输出。

部分代码:

结构体定义:

struct fre_word
{
  int num;
  char a[18];
}; 

分配初始内存:

struct fre_word *w;
  w=(struct fre_word *)malloc(100*p*sizeof(struct fre_word));//给结构体分配初始内存

读取文本:

printf("输入读入文件的名字:");
  scanf("%s", filename);                   //输入需要统计词频的文件名
  if((fp=fopen(filename, "r"))==NULL)
  {
    printf("无法打开文件\n");
    exit(0);
  }

单词匹配:

/****************将单词出现次数设置为1****************************/
  for(i=0;i<100;i++)
  {  
    (w+i)->num=1;
  }
/****************单词匹配****************************************/
  i=0;
  while(!feof(fp))//文件尚未读取完毕
  {
    ch=fgetc(fp);
    (w+i)->a[j]='\0';
    if(ch>=65&&ch<=90||ch>=97&&ch<=122)              //ch若为字母则存入
    {
      (w+i)->a[j]=ch;
      j++;
      flag=0;                         //设标志位判断是否存在连续标点或者空格
    }
    else if(!(ch>=65&&ch<=90||ch>=97&&ch<=122)&&flag==0)    //ch若不是字母且上一个字符为字母
    {    
      i++;
      j=0;
      flag=1;
      for(m=0;m<i-1;m++)                  //匹配单词,若已存在则num+1
      {
        if(stricmp((w+m)->a,(w+i-1)->a)==0)
        {
          (w+m)->num++;
          i--;
        }
      }
    }
/****************动态分配内存****************************************/
    if(i==(p*100))                           //用i判断当前内存已满
    {
      p++;
      w=(struct fre_word*)realloc(w,100*p*(sizeof(struct fre_word)));
      for(n=i;n<=100*p;n++)                      //给新分配内存的结构体赋初值
        (w+n)->num=1;

    }
  }

快速排序:

void quick(struct fre_word *f,int i,int j) 
{
  int m,n,temp,k;
  char b[18]; 
  m=i; 
  n=j; 
  k=f[(i+j)/2].num;              //选取的参照
  do 
  { 
    while(f[m].num>k&&m<j) m++;       // 从左到右找比k小的元素
    while(f[n].num<k&&n>i) n--;       // 从右到左找比k大的元素 
    if(m<=n) 
    {                    //若找到且满足条件,则交换 
      temp=f[m].num;
      strcpy(b,f[m].a);
      f[m].num=f[n].num; 
      strcpy(f[m].a,f[n].a);
      f[n].num=temp; 
      strcpy(f[n].a,b);
      m++; 
      n--; 
    } 
  }
  while(m<=n); 
  if(m<j) quick(f,m,j);           //运用递归
  if(n>i) quick(f,i,n); 
}

结果输出:

for(n=0;n<=i;n++)
  {
    printf("文档中出现的单词:");
    printf("%-18s",(w+n)->a);
    printf("其出现次数为:");
    printf("%d\n",(w+n)->num);
  }

测试用例:

看了之前同学的博客以及老师的评论,就使用了较长的文本进行测试,用的是奥巴马就职演讲稿。

部分测试结果:

以上这篇c语言实现词频统计的简单实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。

您可能感兴趣的文章:

相关文章

最新评论