单词计数器

第七周作业查找排序算法设计一个单词计数器·统计一个文件重出现过哪些单词以及它们出现的频次·把统计结果按单词词典顺序和频次由小到大顺序两种方式进行记录数据结构描述：定义结构体类型In, 记录单词及其出现次数。

struct In {int count;char str[20];}voc[N];第一种算法查找方法比较原始，用O(N^2)的复杂度进行查找。

如果对算法进行改进，则可使用二叉搜索树进行查找。

定义树节点，存放element，左右指针分别指向左右孩子。

typedef struct TreeNode *SearchTree;struct TreeNode{ElementType Element;SearchTree Left;SearchTree Right;};算法描述及程序：1、对于是否为单词的判断。

一般情况下，输入的文章中不只有单词，还会包括标点符号等信息，在单词中也可能出现连字符或者乱码，因此单词计数的前提是判断读入的字符串是否为一个单词。

算法实现为对于字符串，遍历其每个字符，如果在非末位出现了符号且不为连字符，则该字符串不是单词。

其中使用了C语言函数库里面的函数ispunct来判断特殊符号。

int Isword(char*string){int i,length;length=strlen(string);for(i=0;i<length;i++){if(ispunct(string[i])&&i!=length-1&&string[i]!='-')//如果在非末位出现了符号且不为连字符，则该字符串不是单词return0;elsecontinue;}if(ispunct(string[length-1]))//如果在末位出现了符号，则删除该符号string[length-1]='\0';return1;}2、查找方式。

在附录中的程序中，查找方式较为原始，采用直接遍历的方法，复杂度为O(N^2)。

对此可以进行改进，在每读一个单词时，按照compare函数中规定的比较方式，将其插入二叉搜索树种，则其查找的时间复杂度变为O(logN)。

该算法的另一优点是在按照词典顺序输出时，不需要再进行一次排序，而可以直接通过中序遍历方式输出。

进行插入的伪代码如下：SearchTree Insert(ElementType X,SearchTree T){if(T==NULL){T=(SearchTree)malloc(sizeof(TreeNode));//Create and return a one-node treeif(T==NULL)printf("Out of space!!!\n");else{T->Element=X;T->Left=NULL;T->Right=NULL;}}elseif(compare(X,T->Element))T->Left=Insert(X,T->Left);elseif(compare(X,T->Element))T->Right=Insert(X,T->Right);//Else X is in the tree already;we'll do nothingreturn T;}进行中序输出的伪代码如下：void inorder(SearchTree T){if(T){inorder(T->Left);printf("%d",T->Element);inorder(T->Right);}}3、输出排序方式。

当所有单词被读入后，数组voc中存放了所有单词及其出现次数。

在第一种算法当中，因为数组的存放是无序的，因此在输出时无论按照字典顺序还是频次顺序都要进行排序，这里我们选用实际应用中最快的一种排序方法——快速排序并调用C 语言函数库中的函数。

需要注意的是在按照字典顺序输出时，我们需要对连字符进行处理，即通过在比较时扩大连字符的ASCII码使其大于所有字母。

具体代码实现如下：int compare(char*word1,char*word2){int i,length1,length2;length1=strlen(word1);length2=strlen(word2);for(i=0;i<length1-1;i++){if(word1[i]!='-'&&word2[i]!='-'){if(word1[i]==word2[i])continue;elsereturn(word2[i]-word2[i]);}else{if(word1[i]=='-')//如果遇到连字符，则提升连字符的ASCII码，使其比字母大return(-word2[i]+'-'+200);if(word2[i]=='-')return(-'-'-200+word2[i]);}}}如果使用第二种算法即通过二叉搜索树建立我们的单词存储结构，则在按照词典顺序输出时就不需要再次进行排序，可以直接按照中序遍历的顺序输出。

然而在输出频次顺序的时候比较困难，可以通过调整二叉树或者使用堆排等方式实现。

运行结果：输入：abdff! abc-def abc-z abcde abc-def abc%dfk abdff! abcde abcde输出：abcde 3abdff 2abc-def 2abc-z 1abc-z 1abdff 2abc-def 2abcde 3附：源代码（C语言）#include <stdio.h>#include<stdlib.h>#include<string.h>#include<ctype.h>#define N 100char temp[20];int num;struct In{int count;char str[20];}voc[N];int Isword(char*string){int i,length;length=strlen(string);for(i=0;i<length;i++){if(ispunct(string[i])&&i!=length-1&&string[i]!='-')//如果在非末位出现了符号且不为连字符，则该字符串不是单词return0;elsecontinue;}if(ispunct(string[length-1]))//如果在末位出现了符号，则删除该符号string[length-1]='\0';return1;}int compare(char*word1,char*word2){int i,length1,length2;length1=strlen(word1);for(i=0;i<length1-1;i++){if(word1[i]!='-'&&word2[i]!='-'){if(word1[i]==word2[i])continue;elsereturn(word2[i]-word1[i]);}else{if(word1[i]=='-')//如果遇到连字符，则提升连字符的ASCII码，使其比字母大return(-word2[i]+'-'+200);if(word2[i]=='-')return(-'-'-200+word1[i]);}}}int cmp1(constvoid*a,constvoid*b)//按照单词词典顺序输出的比较{struct In*tempa=(struct In*)a,*tempb=(struct In*)b;return compare(tempa->str,tempb->str);}int cmp2(constvoid*a,constvoid*b)//按频次由小到大比较{struct In*tempa=(struct In*)a,*tempb=(struct In*)b;return tempa->count-tempb->count;}int main(){FILE*fp;int i,check;if((fp=fopen("test.txt","r"))==NULL){printf("open file error");return1;}while(!feof(fp)){if(fscanf(fp,"%s",temp)==EOF)break;check=Isword(temp);if(check){//将单词存入数组voc[]for(i=0;i<num;i++){if(strcmp(voc[i].str,temp)==0){voc[i].count++;break;}}if(i>=num){strcpy(voc[num++].str,temp);}}elsecontinue;}qsort(voc,num,sizeof(voc[0]),cmp1);//使用快速排序进行排序，然后输出for(i=0;i<num;i++){printf("%s %d\n",voc[i].str,voc[i].count+1);}printf("\n");qsort(voc,num,sizeof(voc[0]),cmp2);for(i=0;i<num;i++){printf("%s %d\n",voc[i].str,voc[i].count+1);}return0;}。