文本文件单词的检索与计数.docx
《文本文件单词的检索与计数.docx》由会员分享，可在线阅读，更多相关《文本文件单词的检索与计数.docx（15页珍藏版）》请在冰豆网上搜索。
文本文件单词的检索与计数
程序设计课程设计
报告
学院：
软件学院
专业班级：
软件班
学号：
姓名：
指导教师：
时间：
2012年6月29日
文本文件单词的检索与计数
专业：
软件工程班级：
1.1【问题描述】
串是非数值处理中的主要对象，如在信息检索、文本编辑、符号处理等许多领域，得到越来越广泛的应用。
在高级语言中也引入了串数据类型概念，并且串变量与其他变量（如整型、实型等）一样，可以进行各种运算。
然而，在各种不同类型的应用中，所处理的串有不同的特点，要想有效地实现串的处理，就必须熟悉串的存储结构及其基本运算。
本课程设计的目的就是熟悉串类型的实现方法和文本模式匹配方法，熟悉如何利用模式匹配算法实现一般的文本处理技术。
本课程设计分两步：
首先，设计出串定位算法（即模式匹配算法）及其实现；然后，再利用串定位算法设计文本文件的检索及单词的计数等操作。
1.2【设计需求及分析】
1.2.1串模式匹配算法的设计要求
在串的基本操作中，在主串中查找模式串的模式匹配算法——即求子串位置的函数Index（S,T），是文本处理中最常用、最重要的操作之一。
所谓子串的定位就是求子串在主串中首次出现的位置，又称为模式匹配或串匹配。
模式匹配的算法很多，在这里只要求用最简单的朴素模式匹配算法。
该算法的基本思路是将给定子串与主串从第一个字符开始比较，找到首次与子串完全匹配的子串为止，并记住该位置。
但为了实现统计子串出现的个数，不仅需要从主串的第一个字符位置开始比较，而且需要从主串的任一给定位置检索匹配字符串，所以，首先要给出两个算法：
1．标准的朴素模式匹配算法
2．给定位置的匹配算法
1.2.2文本文件单词的检索与计数的设计要求
要求编程建立一个文本文件，每个单词不包含空格且不跨行，单词由字符序列构成且区分大小写；统计给定单词在文本文件中出现的总次数；检索输出某个单词出现在文本中的行号、在该行中出现的次数以及位置。
该设计要求可分为三个部分实现：
其一，建立文本文件，文件名由用户用键盘输入；其二，给定单词的计数，输入一个不含空格的单词，统计输出该单词在文本中的出现次数；其三，检索给定单词，输入一个单词，检索并输出该单词所在的行号、该行中出现的次数以及在该行中的相应位置。
1．建立文本文件
2．给定单词的计数
3．检索单词出现在文本文件中的行号、次数及其位置
4．主控菜单程序的结构
3【设计功能的实现】（用C或C++语言描述）
详细设计
朴素模式匹配算法
该算法的基本思想是：
设有三个指针——i,j,k，用i指示主串S每次开始比较的位置；指针j,k分别指示主串S和模式串T中当前正在等待比较的字符位置；一开始从主串S的第一个字符（i=0;j=1）和模式T的第一个字符（k=0）比较，若相等，则继续逐个比较后续字符（j++,k++）。
否则从主串的下一个字符（i++）起再重新和模式串（j=0）的字符开始比较。
依此类推，直到模式T中的所有字符都比较完，而且一直相等，则称匹配成功，并返回位置i；否则返回-1，表示匹配失败。
顺序串的模式匹配算法如下：
intindex（SStringS,SStringT）
{//求子串T在主串S中首次出现的位置
inti,j,k,m,n;
m=T.length;//模式串长度赋m
n=S.length;//目标串长度赋n
for（i=0;i<=n-m;i++）
{
j=0;k=i;//目标串起始位置i送入k
while（j<=m&&s.ch[k]==t.ch[j]）
{k++;j++;}//继续下一个字符的比较
if（j==m）//若相等，则说明找到匹配的子串，返回匹配位置i，
//否则从下一个位置重新开始比较
returni;
}//endfor
return-1;
}//endIndex
给定位置的串匹配算法
该算法要求从串S1（为顺序存储结构）中第k个字符起，求出首次与字符串S2相同的子串的起始位置。
该算法与上面介绍的模式匹配算法类似，只不过上述算法的要求是从主串的第一个字符开始，该算法是上述算法的另一种思路：
从第k个元素开始扫描S1，当其元素值与S2的第一个元素的值相同时，判定它们之后的元素值是否依次相同，直到S2结束为止。
若都相同，则返回当前位置值；否则继续上述过程，直至S1扫描完为止，其实现算法如下：
IntPartPosition（SStringS1,SStringS2,intk）
{
inti,j;
i=k-1;//扫描s1的下标，因为c中数组下标是从0开始，串中序号相差1
j=0;//扫描s2的开始下标
while（iif（s1.ch[i]==s2.ch[j]）
{i++;j++;//继续使下标移向下一个字符位置}
else
{i=i-j+1;j=0;
//使i下标回溯到原位置的下一个位置，使j指向s2的第一个字符，再重新比较}
if（j>=s2.length）
returni-s2.length;//表示s1中存在s2，返回其起始位置
else
return-1;//表示s1中不存在s2，返回-1
}//函数结束
说明：
以上两个算法可统一为一个算法，即在子串定位算法Index（S,T）的参数中增加一个起始位置参数即可。
建立文本文件
建立文件的实现思路是：
（1）定义一个串变量；
（2）定义文本文件；
（3）输入文件名，打开该文件；
（4）循环读入文本行，写入文本文件，其过程如下：
While（ 不是文件输入结束）{
读入一文本行至串变量；
串变量写入文件；
输入是否结束输入标志；
}
（5）关闭文件。
给定单词的计数
该功能需要用到前一节中设计的模式匹配算法，逐行扫描文本文件。
匹配一个，计数器加1，直到整个文件扫描结束；然后输出单词出现的次数。
其实现过程如下：
（1）输入要检索的文本文件名，打开相应的文件；
（2）输入要检索统计的单词；
（3）循环读文本文件，读入一行，将其送入定义好的串中，并求该串的实际长度，调用串匹配函数进行计数。
具体描述如下：
While（不是文件结束）{
读入一行并到串中；
求出串长度；
模式匹配函数计数；
}
（4）关闭文件，输出统计结果。
检索单词出现在文本文件中的行号、次数及其位置
这个设计要求与上一个类似，但要相对复杂一些。
其实现过程描述如下：
（1）输入要检索的文本文件名，打开相应的文件；
（2）输入要检索统计的单词；
（3）行计数器置初值0；
（4）while（不是文件结束）{
读入一行到指定串中；
求出串长度；
行单词计数器置0；
调用模式匹配函数匹配单词定位、该行匹配单词计数；
行号计数器加1；
If（行单词计数器!
=0）
输出行号、该行有匹配单词的个数以及相应的位置；
}
运行主控程序
主控菜单程序的结构要求内容如下：
（1）头文件包含；
（2）菜单选项包括：
1．建立文件
2．单词计数
3．单词定位
4．退出程序
（3）选择1——4执行相应的操作，其他字符为非法。
程序代码：
#include
#include
#include
#defineLIST_INIT_SIZE500/*线性表存储空间的初始分配量*/
#defineLISTINCREMENT10/*线性表存储空间的分配增量*/
#defineFILE_NAME_LEN20/*文件名长度*/
#defineWORD_LEN20/*单词长度*/
#defineMaxStrSize256
#definellength110/*规定一行有110个字节*/
typedefstruct{
charch[MaxStr];/*ch是一个可容纳256个字符的字符数组*/
intlength;
}string;/*定义顺序串类型*/
typedefstruct{
charword[WORD];/*存储单词，不超过20个字符*/
intcount;/*单词出现的次数*/
}elem_type;
typedefstruct{
elem_type*elem;/*存储空间基址*/
intlength;/*当前长度*/
intlistsize;/*当前分配的存储容量*/
}sqlist;
voidsqlist_init（sqlist*sq,elem_type*et）{
sq->elem=et;
sq->length=0;
}
voidsqlist_add（sqlist*sq,elem_type*et,char*word）
{
inti;
intj;
for（i=0;ilength;i++）
{
/*当前单词与加入的单词相同，直接统计，不做插入*/
if（strcmp（et[i].word,word）==0）
{
et[i].count++;
return;
}
if（strcmp（et[i].word,word）>0）
{
break;
}
}
if（sq->length==LIST_INIT_SIZE）
{
printf（"空间不足，单词[%s]插入失败\n",word）;
return;
}
for（j=sq->length;j>i;j--）
{
memcpy（et+j,et+j-1,sizeof（elem_type））;
}
sq->length++;
strcpy（et[i].word,word）;
et[i].count=1;
}
intsqlist_count（sqlist*sq,elem_type*et）
{
inti;
intj=0;
for（i=0;ilength;i++）
j=j+et[i].count;
returnj;
}
voidcreat_text_file（）
{
elem_typew;
sqlists;
charfile_name[FILE_NAME_LEN+1],yn;
FILE*fp;
printf（"输入要建立的文件名：
"）;
scanf（"%s",file_name）;
fp=fopen（file_name,"w"）;
yn='n';/*输入结束标志初值*/
while（yn=='n'||yn=='N'）
{
printf（"请输入一行文本：
"）;
gets（w.word）;
gets（w.word）;
s.length=strlen（w.word）;
fwrite（&w,s.length,1,fp）;
fprintf（fp,"%c",10）;/*是输入换行*/
printf（"结束输入吗？
yorn：
"）;yn=getchar（）;
}
fclose（fp）;/*关闭文件*/
printf（"建立文件结束!
\n"）;
}
voidsubstrsum（）
{
charfile_name[FILE_NAME_LEN+1];
charword[WORD_LEN+1];
FILE*fp;
inti;
intj,q=0;
intw,x,y=0;
elem_typeet[LIST_INIT_SIZE];
sqlistsq;
sqlist_init（&sq,et）;
printf（"请输入文件名：
"）;
scanf（"%s",file_name）;
fp=fopen（file_name,"r"）;
if（fp==NULL）{
printf（"打开文件失败!
\n"）;
return;
}
while（fscanf（fp,"%s",word）!
=EOF）{
sqlist_add（&sq,et,word）;
}
fclose（fp）;
printf（">>>>>>>>>>>>>>>>单词<<<>>>>个数<<<<<<<<<<<\n"）;
for（i=0;i{
x=strlen（et[i].word）;
for（w=x-1;w>=0;w--）
if（et[i].word[w]<65||（et[i].word[w]>90&&et[i].word[w]<97）||et[i].word[w]>122）
{
et[i].word[w]='';
}
for（w=0;wif（et[i].word[w]==''）
y++;
if（y==x）
{
et[i].count=0;
y=0;
}
elsey=0;
if（et[i].count!
=0）
printf（"%20s%10d\n",et[i].word,et[i].count）;
elseq++;
}
j=sqlist_count（&sq,et）;
printf（"\n>>>>>>>>>>>>>>>>>>%s的单词总数为%d个\n",file_name,j）;
printf（"\n>>>>>>>>>>>>>>>>>>%s的非单词个数为%d种\n",file_name,q）;
printf（"\n"）;
}
intpartposition（strings1,strings2,intk）
{inti,j;
i=k-1;
/*扫描s1的下标，因为c中数组下标是从0开始，串中序号相差1*/
j=0;/*扫描s2的开始下标*/
while（i{if（s1.ch[i]==s2.ch[j]）
{i++;j++;/*继续使下标移向下一个字符位置*/
}
else
{
i=i-j+1;j=0;
}}
if（j>=s2.length）
returni-s2.length;
else
return-1;/*表示s1中不存在s2，返回-1*/
/*表示s1中存在s2，返回其起始位置*/
}/*函数结束*/
voidsubstrcount（）
{
FILE*fp;
strings,t;/*定义两个串变量*/
charfname[10];
inti=0,j,k;
printf（"输入文本文件名：
"）;
scanf（"%s",fname）;
fp=fopen（fname,"r"）;
printf（"输入要统计计数的单词：
"）;
scanf（"%s",t.ch）;
t.length=strlen（t.ch）;
while（!
feof（fp））{
memset（s.ch,'\0',110）;
fgets（s.ch,110,fp）;
s.length=strlen（s.ch）;
k=0;/*初始化开始检索位置*/
while（k{
j=partposition（s,t,k）;/*调用串匹配函数*/
if（j<0）break;
else{
i++;/*单词计数器加1*/
k=j+t.length;/*继续下一字串的检索*/
}
}
}
printf（"\n单词%s在文本文件%s中共出现%d次\n",t.ch,fname,i）;
}/*统计单词出现的个数*/
voidsubstrint（）
{
FILE*fp;
strings,t;/*定义两个串变量*/
charfname[10];
inti,j,k,l,m;
intwz[20];/*存放一行中字串匹配的多个位置*/
printf（"输入文本文件名：
"）;
scanf（"%s",fname）;
fp=fopen（fname,"r"）;
printf（"输入要检索的单词：
"）;
scanf（"%s",t.ch）;
t.length=strlen（t.ch）;
l=0;/*行计数器置0*/
while（!
feof（fp））
{/*扫描整个文本文件*/
memset（s.ch,'\0',110）;
fgets（s.ch,110,fp）;
s.length=strlen（s.ch）;
l++;/*行计数器自增1*/
k=0;/*初始化开始检索位置*/
i=0;/*初始化单词计数器*/
while（k{
j=partposition（s,t,k）;/*调用串匹配函数*/
if（j<0）break;
else
{
i++;/*单词计数器加1*/
wz[i]=j;/*记录匹配单词位置*/
k=j+t.length;/*继续下一字串检索*/
}
}
if（i>0）
{
printf（"行号：
%d,次数：
%d,位置分别为：
",l,i）;
for（m=1;m<=i;m++）
printf（"第%4d个字符",wz[m]+1）;
}
printf（"\n"）;
}
printf（"\n本软件自定义110个字节为一行\n\n"）;
}/*检索单词出现在文本文件中的行号、次数及其位置*/
voidsubstrio（）
{
voidsubstrcount（）,substrint（）;
chart;
while
（1）
{
printf（"===============================================\n"）;
printf（"||文本文件单词字串的定位统计及定位||\n"）;
printf（"||================================||\n"）;
printf（"||a.单词出现次数||\n"）;
printf（"||||\n"）;
printf（"||||\n"）;
printf（"||b.单词出现位置||\n"）;
printf（"||||\n"）;
printf（"====================================\n"）;
printf（"请输入:
\n"）;
scanf（"%c",&t）;
switch（t）{
case'a':
substrcount（）;break;
case'b':
substrint（）;break;
default:
return;
}
}
}
intmain（）
{
voidcreat_text_file（）,substrsum（）,substrio（）;
intxz;
intt=1;
while（t）{
system（"graftabl936"）;/*在Win-TC中可以显示汉字*/
printf（"*************************************\n"）;
printf（"**文本文件的检索、字串的统计及定位**\n"）;
printf（"*************************************\n"）;
printf（"**1.建立文本文档**\n"）;
printf（"**2.文本单词汇总**\n"）;
printf（"**3.单词定位**\n"）;
printf（"**4.退出**\n"）;
printf（"请选择:
"）;
scanf（"%d",&xz）;
switch（xz）{
case1:
creat_text_file（）;break;
case2:
substrsum（）;break;
case3:
substrio（）;break;
case4:
return0;
default:
printf（"选择错误，重新选\n"）;
}
}
}
升级会员 