作业4词频统计

必做 1] 基于作业3的结果，读取一个较小的文本文件A_Tale_of_Two_Cities.txt，统计该文件中的单词的频率,并将统计结果输出到当前目录下的 Result1.txt 文件。 （第一阶段初稿完成该要求）

• 命令行格式： 提示符> Myapp.exe -f filename.txt > Result.txt （PS：C++ 程序，Java 程序输出方式类似） filename.txt 为前面下载的文件名。
• 解释：
  • 选项 -f 表示后面跟文件名
  • 输出格式规定（参考作业3中的示例）：
    • 首先按照频率由高到低排序
    • 频率一样的词， 按照字典顺序排序
• 此外, 读取一个较大的文本文件Gone_with_the_wind.txt实验对比程序执行效率，做如下改进，比较改进前后程序执行时间。PS: 请看一位同学做的效能分析示例。

原先程序中循环部分如下：

for (int i = 0; i < infoIds.size(); i++)        
{     
   Entry<String, Integer> id = infoIds.get(i);  
   System.out.println(id.getKey()+":"+id.getValue());  
} 

改进后程序如下：

len= infoIds.size();             // 先计算
for (int i = 0; i < len; i++)        
{     
       Entry<String, Integer> id = infoIds.get(i);  
       System.out.println(id.getKey()+":"+id.getValue());  
}



作业中的例子用的是Java，所以准备用Java写一下。

package work;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.FileReader;

import java.io.IOException;

import java.util.Scanner;

import org.omg.CORBA.PUBLIC_MEMBER;

public class write {    

　　public static String fun(String a)    

　　{      if(a.contains(",")||a.contains("."))//单词含标点。     　

　　　　  {       a=a.substring(0,a.length()-1);//把标点去掉。       return a;      }     

　　　　　else       return a;     

　　}        

　　public static void main(String []s1)      

　　{             String s;      

　　　　　　　String []data=new String[1000];//存单词    

　　　　　　　String []value=new String[1000];//单词，不重复。      

　　　　　　　int []count=new int[1000];//对应个数。      

　　　　　　　int sum=0,i,j;      for(i=0;i<1000;i++) //初始化个数。      

　　　　　　　{       count[i]=1;      }                  

　　　　　　　try {             FileReader fileReader=new FileReader("D://A_Tale_of_Two_Cities.txt");        

　　　　　　　　　　　　　　BufferedReader br=new BufferedReader(fileReader);        

　　　　　　　　　　　　　　s=br.readLine();//读取第一行        

　　　　　　　　　　　　　　 while(s!=null)        

　　　　　　　　　　　　　　{          String []ss=s.split(" ");//取出单词         

　　　　　　　　　　　　　　　　　　 for( i=0;i<ss.length;i++)         

　　　　　　　　　　　　　　　　　　{           ss[i]=fun(ss[i]);//把标点去掉。          

　　　　　　　　　　　　　　　　　　　　　　 for(j=0;j<sum;j++)          

　　　　　　　　　　　　　　　　　　　　　　{            if(ss[i].equals(value[j]))           

　　　　　　　　　　　　　　　　　　　　　　　　　　　　{             count[j]++;             break;            }          

　　　　　　　　　　　　　　　　　　　　　　}          

　　　　　　　　　　　　　　　　　　　　　　 if(j==sum)          

　　　　　　　　　　　　　　　　　　　　　　{            value[sum++]=ss[i];           }         

　　　　　　　　　　　　　　　　　　}           

　　　　　　　　　　　　　　　　　　s=br.readLine();//读取文件下一行        

　　　　　　　　　　　　　　}         

　　　　　　　　　　　　　　for(i=1;i<count.length;i++)
        　　　　　　　　　　　{
    　　　　　　　　　　    　　　　 for( j=0;j<count.length-i;j++)
     　　　　　　　　　　　　　　    {
       　　　　　　　　　　　　　　　　　　   if(count[j]<count[j+1])
     　　　　　　　　　　　　　　　　　　     {
          　　　　　　　　　　　　　　　　　　　　　   m=count[j];
           　　　　　　　　　　　　　　　　　　　　　　count[j]=count[j+1];
       　　　　　　　　　　　　　　　　　　　　　　    count[j+1]=m;
        　　　　　　　　　　　　　　　　　　　　　　   nn=value[j];
           　　　　　　　　　　　　　　　　　　　　　　value[j]=value[j+1];
           　　　　　　　　　　　　　　　　　　　　　　value[j++]=nn;
        　　　　　　　　　　　　　　　　　　  }
       　　　　　　　　　　　　　　  }
      　　　　　　　　　　　　  }

　　　　　　　　　　　　　　System.out.println(sum);        

　　　　　　　　　　　　　　for(i=0;i<sum;i++)        

　　　　　　　　　　　　　　{          System.out.println(value[i]+" "+count[i]);         }   

　　　　　　　  　}                   

　　　　　　　　catch (FileNotFoundException e)       

　　　　　　　　{    e.printStackTrace();        }              

　　　　　　　　catch (IOException e)       

　　　　　　　　{    e.printStackTrace();        }      

　　　　}   

}

 

其实思路也没什么变化，也是从文本中读取内容然后分成单词进行统计。最后加一个排序的数组进行排序。总的来说只会一点c++的我写Java还是有点不适应，大部分也是对着书打。就这也花了我很长的时间，应为不熟悉不懂。