第五次作业

github项目地址

github项目地址

具体分工

 队伍里只有我一个人。

PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	30	30
· Estimate	· 估计这个任务需要多少时间	180	180
Development	开发	180	180
· Analysis	· 需求分析 (包括学习新技术)	120	120
· Design Spec	· 生成设计文档	60	60
· Design Review	· 设计复审	30	30
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	10	10
· Design	· 具体设计	180	180
· Coding	· 具体编码	180	180
· Code Review	· 代码复审	60	60
· Test	· 测试（自我测试，修改代码，提交修改）	30	30
Reporting	报告	30	30
· Test Repor	· 测试报告	30	30
· Size Measurement	· 计算工作量	30	30
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	30	30

|       | 	合计  |480 |600

解题思路描述与设计实现说

• 爬虫的使用
  使用Jsoup的select语法进行元素查找。通过select("[id=papertitle]")和select("[id=abstract]")得到论文题目和论文摘要。
  

  得到作者和pdf的链接。并都输出到result.txt中。
  result.txt文件地址

• 代码组织与内部实现设计（类图）

• 说明算法的关键与关键实现部分流程图

  • 算法的关键
    先判断命令行的参数。读取到一个符合标准的词①后，设词首的位置为begin。从这个词往后找m-1个词来构成词组。如果往后找的词符合标准则继续往后找，直到找到m-1个连续的符合标准的词。并把最后一个词的最后一个字母的位置设为end。从begin复制到end。并把得到的词组存入新的map中。如果往后找到的词是不符合标准的，则跳出查找，并回到行中从词①后继续查找。

• 附加题设计与展示
  

新增了作者与pdf的地址
result.txt文件地址

• 关键代码解释

	int fir = y;
				while ((temp[y] >= 'a'&&temp[y] <= 'z') || (temp[y] >= '0'&&temp[y] <= '9')) {
					word.append(temp, y, 1);
					y++;
					if (y > temp.size())break;
				}
				if (Judge(word)) {
					pos = fir;
					string tempword;
					int flag = 0;
					int flag1 = 0;
					int flag2 = 0;
					int cc = 0;
					m = 1;
					maa[word]++;
					if (w == 0)	ma[word] ++;
					else if (w == 1)
					{
						if (x == 7) {
							for (int u = 0; u < 10; u++) {
								ma[word] ++;
							}
						}
						else if (x == 10)
						{
							ma[word] ++;
						}
					}
					while (m != mm)
					{
						if (m != mm && y >= temp.size()) break;
						for (int k = y; k < temp.size(); ) {
							if (temp[k] < 48 || ((57 < temp[k]) && (temp[k] < 97)) || temp[k]>122)
							{

								k++; if (k >= temp.size()) { flag1 = 1; break; }
								continue;
							}
							else {//发现一个单词
while ((temp[k] >= 'a'&&temp[k] <= 'z') || (temp[k] >= '0'&&temp[k] <= '9')) {
									tempword.append(temp, k, 1);
									k++;
									if (k > temp.size())break;
								}
								if (Judge(tempword)) {
									m++;
									if (m != mm && k >= temp.size()) {
										flag = 1;
										break;
									}
									if (m == mm) {
										words.append(temp, pos, k - pos);
										//pos = y + 1;
										if (w == 0) mas[words]++;
										if (w == 1) {
											if (x == 7)
												for (int u = 0; u < 10; u++)
													mas[words]++;
											if (x == 10)
												mas[words]++;
										}
										break;
									}
								}
								else
								{
									pos = k + 1;
									tempword.clear();
									flag2 = 1;
									break;
								}
								tempword.clear();
							}
						}
						if (flag == 1) break;
						if (flag1 == 1) break;
						if (flag2 == 1) break;
					}
					words.clear();
				}

先判断命令行的参数。读取到一个符合标准的词①后，设词首的位置为begin。从这个词往后找m-1个词来构成词组。如果往后找的词符合标准则继续往后找，直到找到m-1个连续的符合标准的词。并把最后一个词的最后一个字母的位置设为end。从begin复制到end。并把得到的词组存入新的map中。如果往后找到的词是不符合标准的，则跳出查找，并回到行中从词①后继续查找。

输入

WordCount.exe -i input.txt -m 3 -n 3 -w 1 -o output.txt

运行结果

characters:1184323
words:120299
lines:1958
<convolutional neural networks>: 196
<generative adversarial networks>: 178
<convolutional neural network>: 159

性能分析

输入的命令行为：

WordCount.exe -i input.txt -m 3 -n 3 -w 1 -o output.txt
/*
 *统计input.txt文件中的字符数、单词数、有效行数、出现次数排在前3的3个单词长的词组，并采用权重累计频数，最终统计结果输出到output.txt
 */ 

共花费8.054秒，countword函数中其中四个将词存入map中的花费最多时间。

• Github的代码签入记录

• 遇到的代码模块异常或结对困难及解决方法
  问题：命令行输入时发生错误。解决：先输入字符串试一下。结果：解决了。
  问题：获取词组时程序会发生死循环。解决：设置断点，找到死循环的地方。

• 评价你的队友
  队伍里只有我一个人。
  需要提高的地方：代码的规范性。

• 学习进度条

  第N周 |新增代码（行）| 累计代码（行）| 本周学习耗时(小时) |累计学习耗时（小时）| 重要成长
  ---|---|---|---|---|---
  1|100|100|3|3|学习了map和vector的操作
  4|50|150|3|6|学习了简单的爬虫
  5|100|250|3|9|