C程序來計算文本文件中的單詞頻率

Question

我需要能夠用C編程編寫一個代碼，該代碼可以讀取文本文件，並找到每個單詞有多少個，並輸出該單詞及其出現的次數。 現在，我有可以打印出每個單詞及其出現次數的代碼，但是我需要它按字母順序打印並忽略大寫字母。 例如，“ It”和“ it”應計為同一單詞。 我不確定我的代碼中哪里包含修訂。 以下是我的代碼示例。

#include <stdio.h>
#include <string.h>
#include <stdlib.h>
int main(int argc, char *argv[])
{
    if (argc == 1) {
        printf("The input file name has not been provided\n");
    } else if (argc == 2) {
        FILE *f = fopen(argv[1], "rb");
        fseek(f, 0, SEEK_END);
        long fsize = ftell(f);
        fseek(f, 0, SEEK_SET);

        char *str = malloc(fsize + 1);
        fread(str, fsize, 1, f);
        fclose(f);

        str[fsize] = 0;
        int count = 0, c = 0, i, j = 0, k, space = 0;
        char p[1000][512], str1[512], ptr1[1000][512];
        char *ptr;
        for (i = 0; i < strlen(str); i++) {
            if ((str[i] == ' ') || (str[i] == ',') || (str[i] == '.')) {
                space++;
            }
        }
        for (i = 0, j = 0, k = 0; j < strlen(str); j++) {
            if ((str[j] == ' ') || (str[j] == 44) || (str[j] == 46)) {
                p[i][k] = '\0';
                i++;
                k = 0;
            } else
                p[i][k++] = str[j];
        }
        k = 0;
        for (i = 0; i <= space; i++) {
            for (j = 0; j <= space; j++) {
                if (i == j) {
                    strcpy(ptr1[k], p[i]);
                    k++;
                    count++;
                    break;
                } else {
                    if (strcmp(ptr1[j], p[i]) != 0)
                        continue;
                    else
                        break;
                }
            }
        }
        for (i = 0; i < count; i++) {
            for (j = 0; j <= space; j++) {
                if (strcmp(ptr1[i], p[j]) == 0)
                    c++;
            }
            printf("%s %d \n", ptr1[i], c);
            c = 0;
        }
    }
    return 0;
}

Answer 1

這是一個最小的命題，您的代碼可能需要分解為函數，但是請考慮這只是某種命題草案。 您只需將strcmp替換為區分大小寫的部分的strcasecmp 。

然后，可以使用qsort進行排序：定義一個用於比較的函數，例如：

int compar(const void *a, const void *b)
{
        return *(char *)a - *(char *)b;
}

並將其應用於您的單詞數組。 據我了解，ptr1似乎可以保留您的話語，因此您可以添加

   qsort(ptr1, count, sizeof(ptr1[0]), compar);

在最后一個for循環之前。

盡管如此，在我看來，由於valgrind報告代碼中的某些錯誤，您需要修復提取循環。

Answer 2

這是使用牛奶串函數的示例函數

    typedef struct tWord {
      tXt tx ;
      int count ;
      struct tWord *   next ; } tWord;
    typedef struct tWord *pWord;

    void wordfrequency(void) {
      pWord np,prev,bprev,most,allword ;
      allword = NULL ;
      FILE * fi = fopen("sample.txt","r") ;
      if (fi == NULL)
        return ;
      tXt rlin = " " ;
      while (rlin != txtEndFile) {
        tXt lin = txtUpcase(txtTrim(rlin = txtFromFile(fi))) ;
        while (lin[0]) {
          tXt wrd = txtTrim(txtEat(&lin,' ')) ;
          np = allword ;
          while (np) {
            if (strcmp(np->tx,wrd) == 0) {
              np->count++ ;
              wrd = "" ; 
              np = NULL ;
              }
            else
              np = np->next ;}
          if (wrd[0]) {
            np = (pWord) malloc(sizeof(tWord)) ;
            np->tx = fridge(wrd) ;
            np->count = 1 ;
            np->next = allword ;
            allword = np ; } } }
      while (allword) {
        prev = bprev = NULL ;
        np = most = allword ;
        while (np) {
          if (strcmp(most->tx , np->tx) >0 ) {
            most = np ;
            bprev = prev ; }
          prev = np ;
          np = np->next ; }
        printf("%5d %s\n",most->count,unfridge(most->tx)) ;
        if (bprev)
          bprev->next = most->next ;
        else
          allword = most->next ;
        free (most) ;  }
      fclose(fi) ;
      if (txtAnyError())
        printf("%s\n",txtLastError()) ;

    }