PTA 天梯赛训练 词频统计（map+vector）

请编写程序，对一段英文文本，统计其中所有不同单词的个数，以及词频最大的前10%的单词。

所谓“单词”，是指由不超过80个单词字符组成的连续字符串，但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线，其它字符均认为是单词分隔符。

输入格式:

输入给出一段非空文本，最后以符号#结尾。输入保证存在至少10个不同的单词。

输出格式:

在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写，例如“PAT”和“pat”被认为是同一个单词。

随后按照词频递减的顺序，按照词频:单词的格式输出词频最大的前10%的单词。若有并列，则按递增字典序输出。

输入样例：

This is a test.

The word "this" is the word with the highest frequency.

Longlonglonglongword should be cut off, so is considered as the same as longlonglonglonee.  But this_8 is different than this, and this, and this...#
this line should be ignored.

输出样例：（注意：虽然单词the也出现了4次，但因为我们只要输出前10%（即23个单词中的前2个）单词，而按照字母序，the排第3位，所以不输出）

23
5:this
4:is

#include<bits/stdc++.h>
using namespace std;
typedef pair<string,int> psi;
int cmp(psi a,psi b)
{
    if(a.second>b.second)   //先以单词数量从大到小排序 
        return 1;
        
    if(a.second==b.second)  //如果数量相等 
        if(a.first<b.first) //再以字典序升序排序 
            return 1;
            
    return 0;
}
int main()
{
    map<string,int>ma;
    map<string,int>::iterator it; 
    vector<psi>ve;
    string s;
    char ch;
    while(1) 
    {
        ch=getchar();
        if(ch=='#')break;
        if((ch>='a'&&ch<='z')||(ch>='A'&&ch<='Z')||(ch>='0'&&ch<='9')||(ch=='_'))
        {
            if(s.size()<=14)  
            {
                if(ch>='A'&&ch<='Z')ch+=32;
                s+=ch;
            }
        }
        else
        {
            if(s.size()>0)ma[s]++;
            s.clear();
        }
    }
    for(it=ma.begin();it!=ma.end();it++)
        ve.push_back(psi(it->first,it->second));

    sort(ve.begin(),ve.end(),cmp);
    cout<<ma.size()<<endl;
    int cnt=(int)(ma.size()*0.1);      //前10%的单词
     
    for(int i=0;i<cnt;i++)
        cout<<ve[i].second<<':'<<ve[i].first<<endl;
    return 0;
}