使用标准库：文本查询程序

╰半橙微兮° 2022-05-23 07:35 188阅读 0赞

我们将实现一个简单的文本查询程序，我们的程序允许用户在一个给定文件中查询单词。查询结果是单词在文件中出现的次数及其所在行的列表。如果一个单词在一行中出现多次，此行只列出一次。行会按照升序输出。

我们可以直接使用vector 、set和map来直接编写文本查询程序，我们在这里经定义一个抽象的解决方案。首先我们将会定义一个保存输入文件的类，它包含一个vector和map。vector用来保存输入文件的文本，map用来关联每个单词和他出现的行号的set。

1、直接使用vector、set 和map来编写文本查询程序

#include<iostream>
    #include<fstream>
    #include<sstream>
    #include<vector>
    #include<map>
    #include<set>
    
    using namespace std;
    
    using line_no = vector<string>::size_type;
    
    /*file和wm都定义成全局变量，便于在函数间共享*/
    vector<string> file;          //文件每行的内容
    map<string, set<line_no>>wm;  //单词到行号set的映射
    
    string cleanup_str(const string &word)
    {
        string ret;
        for (auto it = word.begin(); it != word.end(); ++it)
        {
            if (!ispunct(*it))
                ret += tolower(*it);
        }
        return ret;
    }
    
    void input_text(ifstream &is)
    {
        string text;
        while (getline(is, text))
        {
            file.push_back(text);
            int n = file.size() - 1;
            istringstream line(text);
            string word;
            while (line >> word)
            {
                wm[cleanup_str(word)].insert(n);
            }
        }
    }
    
    ostream &query_and_print(const string &sought, ostream&os)
    {
        auto loc = wm.find(sought);
        if (loc == wm.end())
        {
            os << sought << "出现了0次" << endl;
        }
        else
        {
            auto lines = loc->second;
            os << sought << " 出现了 " << lines.size() << "次" << endl;
            for (auto num : lines)
            {
                os << "\t(第" << num + 1 << "行）" << *(file.begin() + num) << endl;
            }
        }
        return os;
    }
    
    void runqueries(ifstream& infile)
    {
        input_text(infile);
    
        while (1)
        {
            cout << "enter word to look for, or q to quit: ";
            string s;
    
            if (!(cin >> s) || s == "q")
                break;
            query_and_print(s, cout) << endl;
        }
    }
    
    int main()
    {
        ifstream in("file.txt");
        if (in) {
            runqueries(in);
        }
        else
            cout << "couldn't open: " << endl;
        return 0;
    }

1、我们使用一个vector来保存整个文件的一份拷贝。  
2、使用一个istringstream来将每行分解为单词。  
3、使用一个set来保存每个单词在输入文本中出现的行号，保证了每行只出现一次，且按升序保存。  
4、最后使用一个map就将单词与其对应的行号关联起来。  
结果如下：  
![这里写图片描述][70]

2、使用面向对象的思维来实现  
首先我们从定义一个保存输入文件的类开始：

#pragma once
    #include<map>
    #include<string>
    #include<memory>
    #include<vector>
    #include<fstream>
    #include<set>
    #include<sstream>
    #include<iostream>
    
    using namespace std;
    
    class QueryResult;   //这句声明必须要
    class Textquery {
    public:
        using line_no = vector<string>::size_type;
        Textquery(ifstream&);
        QueryResult query(const string&) const;
    private:
        shared_ptr<vector<string>> file;//输入文件
        map<string, shared_ptr<set<line_no>>> wm;//每个单词到他所在行号的映射
    };

我们定义的保存文件的类中包含两个私有成员一个vector和一个map，与上述方法一类似我们使用以个vector来保存输入的文本文件，map用来关联每个单词和他出现的行号set。  
并且将定义一个构造函数，从给定的输入文件来构造此对象如下：

#include "Textquery.h"
    
    
    Textquery::Textquery(ifstream&is) :file(new vector<string>)
    {
        string text;
        while (getline(is, text))
        {
            //cout << text << endl;
            file->push_back(text);         //保存文本中的每一行
            int n = file->size() - 1;      //当前行号
            istringstream line(text);
            string word;
            while (line >> word)              //处理行中的每一个单词
            {
                shared_ptr<set<line_no>> &lines = wm[word];
                if (!lines)                  //当我们第一次遇到这个单词时，此指针为空
                    lines.reset(new set<line_no>);     //分配一个新的set
                lines->insert(n);     //将此行号插入set中。
            }
        }
    }

除此之外，我们在此类中定义了一个成员函数来执行查询的操作。查询操作要完成的任务十分简单：查找map成员，检查给定单词是否出现。这个函数将要返回我们所查询的结果（及出现的次数，行号，以及每行的文本），为此我们定义另外一个类来保存我们的查询结果，并且这个类可以打印对应查询的内容。

#pragma once
    #include "Textquery.h"
    
    class QueryResult {
        friend ostream& print(ostream&, const QueryResult&);
    public:
        QueryResult(string s, shared_ptr<set<Textquery::line_no>> p, shared_ptr<vector<string>> f) :
            sought(s), lines(p), file(f) {}
    private:
        string sought;                                          //查询的单词
        shared_ptr<set<Textquery::line_no>> lines;               //出现的行号
        shared_ptr<vector<string>> file;                         //输入文件
    };
    
    
    ostream& print(ostream& os, const QueryResult&qr)
    {
        os << qr.sought << " occurs " << qr.lines->size() << " "
            << "times" << endl;
        for (auto num : *qr.lines)
        {
            os << "\t(line" << num + 1 << ")" << *(qr.file->begin() + num) << endl;
        }
        return os;
    }
    
    QueryResult Textquery::query(const string &sought) const
    {
        //如果没有找到sought，返回一个指向此set的指针
        static shared_ptr<set<line_no>> nodata(new set<line_no>);
        auto loc = wm.find(sought);
        if (loc == wm.end())
            return QueryResult(sought, nodata, file);
        else
            return QueryResult(sought, loc->second, file);
    
    }

最后测试一下：

#include "Textquery.h"
    #include"QueryResult.h"
    
    void runqueries(ifstream& infile)
    {
        Textquery tq(infile);
    
        while (1)
        {
            cout << "enter word to look for, or q to quit: ";
            string s;
    
            if (!(cin >> s) || s == "q")
                break;
            print(cout, tq.query(s)) << endl;
        }
    }
    
    int main()
    {
        ifstream in("file.txt");
        if (in) {
            runqueries(in);
        }
        else
            cout << "couldn't open: " <<endl;
        return 0;
    }

![这里写图片描述][70 1]

与方法一不同的是，我们要在不同的类对象间共享数据，我们使用了shared\_ptr来管理。  
说明：我们的QueryResult类要表达的查询结果。这些数据都保存在Textquery类型的对象中。因此我们必须确定如何访问他们。我们可以拷贝行号set，但这样可能会很耗时。此外，我们不希望拷贝vector，因为这可能会影响整个文件的拷贝。通常返回指向Textquery对象内部的指针，我们可以避免拷贝操作，但是如果Textquery对象在QueryResult对象之前被销毁，我们将使用非法的内存，因此我们可以是用shared\_ptr来处理这种共享问题。

[70]: /images/20220523/6ff45a121742467393f549a14b28f50f.png
[70 1]: /images/20220523/2ddca1fc34a041f08e8124b3cbe39ec3.png