软工第一次个人作业——词频统计初步方案

一、功能要求：

1. 1. 统计文件的字符数

   2. 统计文件的单词总数

   3. 统计文件的总行数

   4. 统计文件中各单词的出现次数，输出频率最高的20个。

   5. 对给定文件进行统计

   6. 对给定文件夹及其子文件夹下的所有文件进行统计（该定义有递归性）

   7. 统计两个单词的频率，输出频率最高的前10个。

二、初步设计

模块一：输入输出

输入：命令行输入

输出：输出文件result.txt

模块二：文件夹遍历

判断是否为文件夹；

遍历文件夹

模块三：统计

统计文件字符数

统计文件单词总数

统计文件总行数

统计单词出现次数，输出频率最高的10个。

统计词组的频率，输出频率最高的10个

三、实现细节初步

统计文件字符数：判断累加

统计行数：累计换行符或一行一行读

单词识别（特征识别），并进行统计

哈希表创建

利用哈希表存储单词和频数

根据频数进行排序

两个哈希表——十字链表法以统计词组频率。

遍历文件方法:_findfirst, _findnext;

四、顺序安排：

1.命令行输入和文件遍历

2.字符统计

3.行数统计

4.哈希表建立

5.词统计

6.词组统计

五、时间估计：

因为不是很熟悉C++还有命令行文件等操作，估计要花很多时间orz