【PTA 天梯赛训练】词频统计(map+vector)

时间:2022-01-03 22:15:50

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 ; 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 ; return ;
}
int main()
{
map<string,int>ma;
map<string,int>::iterator it;
vector<psi>ve;
string s;
char ch;
while()
{
ch=getchar();
if(ch=='#')break;
if((ch>='a'&&ch<='z')||(ch>='A'&&ch<='Z')||(ch>=''&&ch<='')||(ch=='_'))
{
if(s.size()<=)
{
if(ch>='A'&&ch<='Z')ch+=;
s+=ch;
}
}
else
{
if(s.size()>)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=;i<cnt;i++)
cout<<ve[i].second<<':'<<ve[i].first<<endl;
return ;
}