软件工程第二次作业 - 词频统计

词频统计程序

词频统计程序开发思路。

1.首先创建一个结构体用于存放单词和数目。

2.从文件中以空格为分节符读出一段字符串。

3.对读出的字符串进行处理。

4.将处理后的字符串存放到结构体数组中。

5.对结构体数组进行排序。

代码地址：https://git.coding.net/Vector121/homework.git

首先创建一个结构体，包含单词的和数目。

struct words
{
int num;
char word[40];
};

判断单词是否重复出现过。

int issame(struct words *p, char b[], int n)
{
for (int i = 0; i < n; i++)
{
if ((strcmp(p[i].word, b)) == 0)
{
return i;  //有重复，并返回重复单词的坐标
}
}
return 0;  //没有重复
}

字符串处理。

char dispose(char temp[])
{
int j = 0;
for (int i = 0; i < (strlen(temp)); i++)
{
//将大写字符转成小写字母
if (temp[i] >= 65 && temp[i] <= 90)
{
temp[i] = temp[i] + 32;
}
//去除非字母字符
if (temp[i] >= 97 && temp[i] <= 122)
{
temp[j++] = temp[i];
}
}
temp[j] = '\0';
return 1;
}

排序。

void sort(struct  words str[],int n)
{
for (int i = 1; i < n; i++)
{
for (int j = 0; j < n - 1; j++)
{
if (str[j].num < str[j + 1].num)
{
struct  words temp = str[j];
str[j] = str[j + 1];
str[j + 1] = temp;
}
}
}
}

主函数。

int main()
{
int no = 1;
struct  words *str = (struct words*)malloc(NUM * sizeof(struct words));
memset(str, 0, NUM);
char filename[200];
scanf("%s", filename);
FILE *fp;
if ((fp = fopen(filename, "r")) == NULL)
{
printf("文件打开失败\n");
system("pause");
exit(0);
}
char temp[40];  //临时存放单词
unsigned int n = 0; //标记数组当前的长度
while (feof(fp) == 0)
{
fscanf(fp, "%s", temp); //输入文件名
//字符串过滤
dispose(temp);
if (temp != NULL)
{
int i = 0;  //标记返回值
//判断是否有重复
if ((i = issame(str, temp, n)) != 0)
{
//有重复
str[i].num += 1;
}
else
{
//没有重复
sprintf(str
.word, temp);
str
.num = 1;
if ((n%NUM) == 0)
{
//no += 1;
str = (struct words*)realloc(str, NUM * ++no * sizeof(struct words));
memset(str, 0, NUM);
}
n++;
}
}
}

fclose(fp);
sort(str, n);
printf("total  %d  words\n\n", n);
for (int  i = 0; i < 10; i++)
{
printf("%-20s%-10d\n", str[i].word, str[i].num);
n--;
}

system("pause");
}

难点：对于小文件可以直接定义一个字符串数组，但是对于大文件来说，就没有办法预先定义数组的长度，只能采用动态定义的方法。

盲点：由于长时间没有写代码，导致对fscanf()函数有些生疏，进行查阅学习后才熟悉怎么使用。

突破：动态分配内存之前只是听说过理论，但是一直没有实现过，通过这次开发自己实现了这个理论。

总结：上面代码只能实现功能一和功能二，并且在效率上还有有待提高。

功能一：



功能二：



目前只能完成功能一和功能二。

PSP2.1

PSP2.1	预计时间	实际时间	时间差	原因
计划	5分钟	5分钟	0
· 估计这个时间需要多少时间	5分钟	5分钟	0
开发	140分钟	444分钟	304分钟
· 设计开发思路	10分钟	20分钟	10分钟	长时间没有写代码，所以对自己的能力估计不足。
· 具体编码	100分钟	350分钟	250分钟	长时间没有写代码，导致一些知识点生疏，对细节把握不好，例如fscanf()函数的使用，对动态内存分配掌握不扎实。
· 代码复审	20分钟	43分钟	23分钟
· 测试	10分钟	31分钟	21分钟
报告	35分钟	55分钟	20分钟
· 计算工作量	5分钟	3分钟	-2分钟
· 编写博客	30分钟	52分钟	22分钟