文本文件单词的检索与计数.docx

1、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

2、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

3、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

4、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

5、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：int index(SString S, SString T) /求子串T在主串S中首次出现的位置int i,j,k,m,n;m=T.length; /模式串长度赋mn=S.length; /目标串长度赋nfor (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.chk=t.chj) 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 return

6、 i; /endforreturn -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：Int PartPosition(SString S1, SString S2, int k)int i, j;

7、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1j=0; /扫描s2的开始下标while (is1.length & j=s2.length) return i- 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

8、(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

9、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14执行相应的操作，其他字符为非法。程序代码：#include

10、 #include #include #define LIST_INIT_SIZE 500 /*线性表存储空间的初始分配量*/#define LISTINCREMENT 10 /*线性表存储空间的分配增量*/#define FILE_NAME_LEN 20 /*文件名长度*/#define WORD_LEN 20 /*单词长度*/#define MaxStrSize 256#define llength 110 /*规定一行有110个字节*/typedef struct char chMaxStr; /* ch是一个可容纳256个字符的字符数组 */ int length; string;/*

11、 定义顺序串类型 */typedef struct char wordWORD; /*存储单词，不超过20个字符*/ int count; /*单词出现的次数*/ elem_type;typedef struct elem_type *elem; /*存储空间基址*/ int length; /*当前长度*/ int listsize; /*当前分配的存储容量*/ sqlist;void sqlist_init(sqlist *sq, elem_type *et) sq-elem = et; sq-length = 0;void sqlist_add(sqlist *sq, elem_type

12、 *et, char *word) int i; int j; for (i = 0; i length; i+) /*当前单词与加入的单词相同，直接统计，不做插入 */ if (strcmp(eti.word, word) = 0) eti.count+; return ; if (strcmp(eti.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, size

13、of(elem_type); sq-length+; strcpy(eti.word, word); eti.count = 1;int sqlist_count(sqlist *sq, elem_type *et) int i; int j=0; for(i=0;ilength;i+) j=j+eti.count; return j;void creat_text_file() elem_type w; sqlist s; char file_nameFILE_NAME_LEN + 1,yn; FILE *fp; printf(输入要建立的文件名：); scanf(%s,file_name)

14、; 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？y or n ：);yn=getchar(); fclose(fp);/* 关闭文件 */ printf(建立文件结束!n); void substrsum() char file_nameFIL

15、E_NAME_LEN + 1; char wordWORD_LEN+1; FILE *fp; int i; int j,q=0; int w,x,y=0; elem_type etLIST_INIT_SIZE; sqlist sq; 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,

16、 word); fclose(fp); printf(单词个数n); for (i = 0; i =0;w-) if(eti.wordw90&eti.wordw122) eti.wordw= ; for(w=0;w%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);int partposition (string s1,string s2,int k) int i,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 */ whi

17、le(is1.length & j=s2.length) return i-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 */ void substrcount() FILE *fp; string s,t;/* 定义两个串变量 */ char fname10; int i=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.lengt

18、h=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(ks.length-1) /* 检索整个主串S */ j=partposition(s,t,k);/* 调用串匹配函数 */ if(j0 ) 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

19、词出现的个数 */ void substrint() FILE *fp; string s,t; /* 定义两个串变量 */ char fname10; int i,j,k,l,m; int wz20; /* 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,0,11

20、0); 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(ks.length-1) /* 检索整个主串S */ j=partposition(s,t,k); /* 调用串匹配函数 */ if(j0) 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,wzm+1); printf(n); printf(n本软件自定义110个字节为一行nn);/* 检索单词出现

21、在文本文件中的行号、次数及其位置 */void substrio() void substrcount(),substrint(); char t; 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: substrcoun

22、t();break; case b: substrint();break; default: return; int main() void creat_text_file(),substrsum(),substrio(); int xz; int t = 1; while(t) system(graftabl 936); /*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) case 1: creat_text_file();break; case 2: substrsum();break; case 3: substrio();break; case 4: return 0; default:printf(选择错误，重新选 n);