C 计算字符串中 n 长度单词的出现次数

Question

新来的，正在寻求一些帮助。尝试自学 C 并在网上找到了一些作业。 ( https://www.cs.cf.ac.uk/Dave/C/node7.html ) 基本上只是试图通过仅查找一个 n 长度的单词而不是多个单词来创建该作业的一部分(练习 12337)。我的程序现在计算单词总数，但我不知道如何超越该点来开始根据单词的长度挑选单词。

#include <stdio.h>
#include <conio.h>
#include <string.h>
#include <ctype.h>

int words(const char lne[ ]);

int main()
{
    char lne[60], name[25]=""; 
    FILE *fp;

    printf("Enter name of the input file: ");
    scanf("%s", &name);

    if ((fp = fopen(name, "r")) == NULL)
    {
        printf("File cannot be opened!");
    }

    else
    {
        int cntf=-1, cntw=-1;
        while (fgets(lne, sizeof lne, fp))
        cntf += words(lne);
        //cntw += letter(lne);
        printf("\nThe most frequent word length is %d", cntf );
        printf("\nThe message includes %d words of that length", cntf);


        fclose(fp);
    }

    return 0;
}

int words(const char lne[])
{
    int i, count=0;
    for (i=0; i<strlen(lne); i++)
    {
        if (lne[i] == ' '||lne[i] == '\t'||lne[i] == '\n')
            count++;
    }
    return count;
}

Answer 1

当测量某个范围内任何出现的频率(字长、字符出现等)时，一种非常简单的方法是声明一个数组，该数组至少包含该范围内的最大元素数(例如，如果您如果要计算 a-z 出现的次数，则需要一个至少包含 26 元素的数组)。 (对于单词长度，您需要一个至少为 27 的数组——未删节字典中最长单词的长度)。如果范围不确定，您始终可以包含一些额外的元素，以确保覆盖该范围。

数组必须初始化为0。然后，对于每次出现的情况，继续使用 a-z 示例，每次遇到 a 时，您都会增加与 a 关联的索引(例如 0、b=1、c=2)等等。因此，当遇到 a 且您的数组名称为 charfreq 时，您将递增

charfreq[0]++;

读取所有字符并递增关联索引后，charfreq[0] 中的值就是 a 的数量，charfreq[1 ] b 的数量，依此类推。

您也可以使用这种精确的方法来收集字号大小的频率。当然，在找到长度的频率之前，您必须找到单词的数量。虽然您可以通过计算每行的空白分隔符并添加 1 来手动查找单词数，但这并不能让您获得每个单词的长度(您可以沿着字符串向下移动 2 个指针，如下所示)您计算每个单词后终止/恢复的空格并获取指针差异)，但 C 库具有 strtok 来帮助您标记该行。

当您对行进行标记时(无论您如何操作)，您只需获取每个标记(单词)的长度并更新您的频率数组 - 就完成了。您的 words 函数可以在 strtok 的帮助下编写如下(注意 strtok 修改原始字符串，因此如果您必须保留原件)

int words (const char *buf, const char *delims, int *freq)
{
    char tmp[MAXC] = "";    /* temp array to hold buf as */
    char *p;                /* strtok modifies original  */
    int cnt = 0;

    strncpy (tmp, buf, sizeof tmp); /* copy buf to tmp & tokenize */
    for (p = strtok (tmp,delims); p; p = strtok (NULL, delims)) {
        cnt++;
        freq[strlen(p)]++;
    }

    return cnt;
}

将这些部分放在一起，注意文件名通常作为参数传递，您可以执行如下操作来从文件(或默认情况下从 stdin)读取/处理单词:

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

enum { MAXF = 32, MAXC = 256 };

int words (const char *buf, const char *delims, int *freq);

int main (int argc, char **argv) {

    char buf[MAXC] = "";
    char *delims = " ,.\t\n";      /* delimiters for strtok */
    int cntw = 0, i, midx = 0, mfreq = 0;
    int freq[MAXF] = {0};
    FILE *fp = argc > 1 ? fopen (argv[1], "r") : stdin;

    if (!fp) {  /* validate file is open for reading */
        fprintf (stderr, "error: file open failed '%s'.\n", argv[1]);
        return 1;
    }

    while (fgets (buf, sizeof buf, fp))     /* read each line */
        cntw += words (buf, delims, freq);  /* call words     */

    i = MAXF;
    while (i--)          /* find longest most frequent length */
        if (freq[i] > mfreq) {   /* in mfreq, which occurs at */
            mfreq = freq[i];     /* midx - most frequent idx  */
            midx = i;
        }

    /* output results */
    printf (" \n There are '%d' words in the file.\n", cntw);
    printf (" The most frequent word length is '%d'\n", midx);
    printf (" The message includes '%d' words of that length.\n\n", 
            mfreq);

    if (fp != stdin) fclose (fp);   /* close file if not stdin */

    return 0;
}

int words (const char *buf, const char *delims, int *freq)
{
    char tmp[MAXC] = "";    /* temp array to hold buf as */
    char *p;                /* strtok modifies original  */
    int cnt = 0;

    strncpy (tmp, buf, sizeof tmp); /* copy buf to tmp & tokenize */
    for (p = strtok (tmp,delims); p; p = strtok (NULL, delims)) {
        cnt++;
        freq[strlen(p)]++;
    }

    return cnt;
}

输入文件示例

$ cat ../dat/captnjack.txt
This is a tale
Of Captain Jack Sparrow
A Pirate So Brave
On the Seven Seas.

示例使用/输出

$ ./bin/wordsmfreq <../dat/captnjack.txt

 There are '16' words in the file.
 The most frequent word length is '4'
 The message includes '4' words of that length.

使用strcspn代替strtok

库中还有另一个值得使用的函数，strcspn。它将扫描字符串以查找未包含在分隔符中的事件。它返回不包含 delims 列表中任何拒绝字符的初始段的长度。您可以使用该函数重复调用 tmp，同时将指针移过 tmp 来完成 strtok 的操作。 (无需调用 strlen)

查看示例，如果您有任何疑问，请告诉我。