百度之星程序设计大赛初赛题4低频词过滤

第四题（共四题100分）：低频词过滤（40分）

题目描述：请编写程序，从包含大量单词的文本中删除出现次数最少的单词。如果有多个单词都出现最少的次数，则将这些单词都删除。

输入数据：程序读入已被命名为corpus.txt的一个大数据量的文本文件，该文件包含英文单词和中文单词，词与词之间以一个或多个whitespace分隔。（为便于调试，您可下载测试corpus.txt文件，实际运行时我们会使用不同内容的输入文件。）

输出数据：在标准输出上打印删除了corpus.txt中出现次数最少的单词之后的文本（词与词保持原来的顺序，仍以空格分隔）。

评分标准：程序输出结果必须正确，内存使用越少越好，程序的执行时间越快越好。

我的程序：

#pragma warning(disable: 4786)
#include <map>
#include <string>
#include <vector>
#include <cstdio>
#include <fstream>
#include <algorithm>

using namespace std;

struct Pair
{
    Pair(){}
    Pair(const string& w, int c):word(w), count(c)
    {
    }
    string word;
    int count;
};

map< string, int > wordmap;
vector< Pair > wordcount;
vector< int > wordindex;

int main()
{
    // load the file, count word, build index
    string word;
    fstream file("corpus.txt");
    while(file >> word)
    {
        int id;
        map< string, int >::iterator itw = wordmap.find(word);
        if (itw == wordmap.end()) // new word
        {
            id = wordcount.size();
            wordmap[word] = id;
            wordcount.push_back(Pair(word, 1)); // 奇怪,我当时写的是id吗？- -晕了，谢谢mammger 指出来
        }
        else // found it
        {
            wordcount[itw->second].count++;
            id = itw->second;
        }
        wordindex.push_back(id);
    }
    file.close();
    
    if (wordcount.empty())
        return 0;
    
    // find the min count
    vector< Pair >::iterator itc = wordcount.begin();
    int mincount = itc->count;
    for (++itc; itc != wordcount.end(); ++itc)
    {
        if (mincount > itc->count)
            mincount = itc->count;
    }
    
    // show all filtered words
    if (wordindex.empty())
        return 0;

    // skip leading filtered words
    vector< int >::iterator w = wordindex.begin();
    while(w != wordindex.end() && wordcount[*w].count == mincount)
        ++w;
    
    if (w == wordindex.end())
        return 0;

    /**//* debug use
    for (vector< Pair >::iterator iw = wordcount.begin(); iw != wordcount.end(); ++iw)
        printf("%s %d\n", iw->word.c_str(), iw->count);
    printf("mincount = %d\n", mincount);
    /*/

    // show first word, with no space after
    printf("%s", wordcount[*w].word.c_str());
    for (++w; w != wordindex.end(); ++w)
    {
        if (wordcount[*w].count != mincount)
        {
            printf(" %s", wordcount[*w].word.c_str());
        }
    }
    printf("\n");
    //*/
    return 0;
}