统计文章内各个单词出现的次数

清疚 2021-06-24 15:57 511阅读 0赞

在vs2010下运行

算法的思路是：

1.  从头到尾遍历文件，从文件中读取遍历到的每一个单词。
2.  把遍历到的单词放到hash\_map中，并统计这个单词出现的次数。
3.  遍历hash\_map，将遍历到的单词的出现次数放到优先级队列中。
4.  当优先级队列的元素个数超过k个时就把元素级别最低的那个元素从队列中取出，这样始终保持队列的元素是k个。
5.  遍历完hash\_map，则队列中就剩下了出现次数最多的那k个元素。

具体实现和结果如下：

// 出现次数最多的K个单词.cpp : Defines the entry point for the console application.
    #include "stdafx.h"
    #include <hash_map>
    #include <string>
    #include <fstream>
    #include <queue>
    #include <iostream>
    #include <algorithm>
    #include <boost/timer.hpp> 
    using namespace std;
    using namespace boost;
    void top_k_words()//出现次数最多的是个单词
    {
    	timer t;
    	ifstream fin;
    	fin.open("modern c.txt");
    	if (!fin)
    	{
    		cout<<"can not open file"<<endl;
    	}
    	string s;
    	hash_map<string,int> countwords;
    	while (true)
    	{
    		fin>>s;
    		countwords[s]++;
    		if (fin.eof())
    		{
    			break;
    		}
    		
    	}
    	cout<<"单词总数 （重复的不计数）:"<<countwords.size()<<endl;
    	priority_queue<pair<int,string>,vector<pair<int,string>>,greater<pair<int,string>>> countmax;
    	for(hash_map<string,int>::const_iterator i=countwords.begin();
    		i!=countwords.end();i++)
    	{
    		countmax.push(make_pair(i->second,i->first));
    		if (countmax.size()>10)
    		{
    			countmax.pop();
    		}
    	}
    	while(!countmax.empty())
    	{
    		cout<<countmax.top().second<<" "<<countmax.top().first<<endl;
    		countmax.pop();
    	}
    	cout<<"time elapsed "<<t.elapsed()<<endl;
    }
    int main(int argc, char* argv[])
    {
    	top_k_words();
    
    	system("pause");
    	return 0;
    }