c - 读取文本文件并输出单词数、不同单词和最常使用的单词

Question

我必须从文本文件中读取所有单词并输出单词总数、不同单词的数量和最常用的单词。我还是个初学者，所以任何帮助都很棒。

在阅读单词时，省略了连字符/撇号/标点符号，因此 O'connor 与 Oconnor 是同一个词。 <---我不知道该怎么做，所以任何帮助都会很棒。

这是我目前所拥有的，但现在当我尝试编译时，它会通过 strcpy 向我发出警告，并说我没有正确使用它。总字数的输出有效，但不同字数的输出为 0，最常用字的输出为 0。

任何帮助都会很棒，谢谢!

#include <stdio.h>
#include <string.h>
#include <stdlib.h>

int main(int argc, char *argv[])
{
    int number=0;
    int i;
    char *temp;
    char *temp2;
    char word[2500][50];
    int wordCount=0;
    int mostFreq=1;
    char mostFreqWord[2500][50];
    int frequentCount=0;
    int distinctCount=0;
    int j;
    char *p;
    FILE *fp;
    //reads file!
    fp= fopen("COEN12_LAB1.txt", "r");
    if(fp == NULL)                  // checks to see if file is empty
    {
            printf("File Missing!\n");
            return 0;
    }
    while(fscanf(fp,"%s", word) == 1)  //scans every word in the text file
            wordCount++;  //counts number of words
    while(fscanf(fp,"%s",word) == 1)
    {
            for(i=0;i<wordCount;i++)
            {
                    temp=word[i];
                    for(j=0;j<wordCount;j++)
                    {
                            temp2 = word[j];
                            if(strcmp(temp,temp2) == 0)  //check to see if word is repeated
                            {
                                    frequentCount++;
                                    if(frequentCount>mostFreq)
                                    {
                                            strcpy(mostFreqWord,word[i]);  //this doesn't work
                                    }
                            }
                            distinctCount++;
                    }
            } 
    }
    printf("Total number of words: %d\n", wordCount);
    printf("Total number of distinct words: %d\n", distinctCount);
    printf("The most frequently appeared word is: %s \n", &mostFreqWord);
    fclose(fp);
}

Answer 1

strcpy() 的问题是，正如 Beginner 所诊断的那样在他们的 answer如果您要复制到 mostFreqWord，则需要为其添加下标，因为它是一个二维数组。

但是，您有一个更根本的问题。您的字数计数循环会一直读取到 EOF，并且您不会倒带文件以重新开始。此外，像这样重新读取文件并不是一个特别好的算法(如果您正在读取从另一个程序输入的数据，则根本不起作用)。

您应该将这两个循环结合起来。计算单词到达时的数量，同时清理单词(删除非字母字符——或者是非字母数字字符，_ 下划线算不算？)，然后将其插入单词列表(如果它尚未出现)或增加该单词的频率计数(如果它已经出现)。

当输入阶段完成后，您应该准备好不同单词的数量计数，您将能够通过扫描频率列表找到最大值(以及索引号，其中最大值出现)，然后适本地报告。