来自文本文件的单词计数C ++

Question

这是文件的内容：

12.34.
.3
3..3
.3.4
..8
.this
test.this
test.12.34
test1.this
test1.12.34

这是预期的输出：

COUNT | WORD 
------+------
   1  | .3
   1  | .3.4
   2  | 12.34
   2  | 3
   1  | 8
   2  | test
   1  | test1
   1  | test1.12.34
   3  | this

要求是从文本文件中读取每一行，然后从该行中提取单词。 每当遇到新单词时，程序应从动态内存中分配该节点的实例以包含该单词及其计数，然后将其插入链接列表，以便始终对列表进行排序。 如果列表中已经存在遇到的单词，则该单词的计数应增加。 考虑“。” 分隔符（如果有）。 字符左边有空格，制表符，换行符或数字，右边有数字，则将其视为小数点，因此是单词的一部分。 否则，它将被视为句号和单词分隔符。

单词：是由一个或多个分隔符字符序列分隔的字母和数字字符序列，单引号，下划线和连字符。 请参见下面的分隔符列表。 此分配的输入将由单词和整数以及浮点数组成。 单引号字符将始终充当撇号，并且应被视为单词的一部分。 因此，飘带，飘带，飘带和飘带都应该是不同的词，但是“飘带”和飘带应该算作单词飘带的两次出现。

显然，我在下面得到了一些东西，但是我仍然坚持将句点视为单词分隔符。 有人可以给我一些提示吗？

bool isSeparator(const char c) {  
    if (std::isspace(c)) return true;

    const std::string pattern = ",;:\"~!#%^*()=+[]{}\\|<>?/";
    for (unsigned int i = 0; i < pattern.size(); i++) {
        if (pattern[i] == c) 
            return true;
    }
    return false;
}
void load(std::list<Node> &nodes, const char *file) {
    std::ifstream fin;
    std::string line = "";
    std::string word = "";

    fin.open(file);

    while (std::getline(fin, line)) {

        for (unsigned int i = 0; i < line.size(); i++) {
            if (isSeparator(line[i]) || i == (line.size() - 1)) {
                if (word.find('.') < word.size()) { // if there is a '.' in a word
                    if (word.find('.') == word.size() - 1) { // if '.' at the end of word
                        word.erase(word.find('.'), 1); // remove '.' in any case
                    }
                }
                if (word.size() != 0) {
                    nodes.push_back(Node(word));
                    word.clear();
                }
            } else {
                word += line[i];
            }
        }
    }

    fin.close();
}

我只是刚开始使用c ++，所以分配仅需要使用std :: list来存储节点和一些基本的字符串操作。

Answer 1

我已经修改了您编写的函数（isSeparator），并添加了一个新函数（isDigit）：

bool isSeparator(const char c) {
    const string pattern = ".,;:\"~!#%^*()=+[]{}\\|<>?/";
    for (unsigned int i = 0; i < pattern.size(); i++) {
        if (pattern[i] == c)
            return true;
    }
    return false;
}

bool isDigit(const char c) {
    if ((int) c >= 0x30 && (int) c <= 0x39) return true;
    else return false;
}

新功能isDigit用于确定传递的字符是否为数字，我尝试收集所有可能的测试用例，以确保您以正确的方式分隔单词，这是我考虑的情况：

word.12word.word
word.12.3word.word
word.word12.word
12.3.

对于我已经修改了代码的load函数，您的部分是确定将哪些代码插入到我的代码的list节点中，并将其与您的需求集成，这是修改后的load函数：

ifstream fin;
    fin.open("file.in");
    string line, word = "";
    list<Node> node;
    while (getline(fin, line)) {
        for (unsigned int i=0; i<line.size(); i++) {
            if ((line[i] == '\t' || line[i] == ' ' || isDigit(line[i])) && (line[i+1]=='.' && isDigit(line[i+2]))) {
                word += line[i];
                word += ".";
                i+=2;
                while (!isSeparator(line[i])) word += line[i++];
                i--;
            } else if (!isSeparator(line[i])) {
                word += line[i];
                if (i==line.size()-1) {
                    node.push_back(Node(word));
                    //cout << word << endl; for debugging
                    word.clear();
                }
            } else {
                if (word.size() > 0) {
                    node.push_back(Node(word));
                    //cout << word << endl; for debugging
                    word.clear();
                }
            }
        }
    }
    fin.close();

这是输出：

word
12word
word
word
12.3word
word
word
word12
word
12.3

为了解决这些字符串匹配问题，您必须遵循以下步骤：

1-首先确定可能的情况，我想我提供的测试用例证明了这一点。
2-根据可能的测试用例/输入开始构建ifs语句。
3-尝试减少ifs并将多余的分组。
4-最后，这取决于您的逻辑和思维方式。

祝好运 ：）

注意我使用过using namespace std; 而不是每次嵌入std ::语句。 如果我错了，请纠正我。