(最新整理)文本文件单词的检索与计数

1、(完整)文本文件单词的检索与计数(完整)文本文件单词的检索与计数 编辑整理：尊敬的读者朋友们：这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（(完整)文本文件单词的检索与计数）的内容能够给您的工作和学习带来便利。同时也真诚的希望收到您的建议和反馈，这将是我们进步的源泉，前进的动力。本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快 业绩进步，以下为(完整)文本文件单词的检索与计数的全部内容。 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：

2、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

3、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

4、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

5、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：int

6、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 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

7、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；i=k1; /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

8、 (i=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 (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

9、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;（

10、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 stdio.hinclude stdlib.h#include #define list_init_size 500 /*线性表存储空间

11、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 256define 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；/* 定义顺序串类型 /typedef struct char wordword； /存储单词,不超过20个字符*/ int coun

12、t; /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； sqlength = 0;void sqlist_add(sqlist *sq, elem_type 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

13、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+j1， sizeof（elem_type)； sqlength+; strcpy（eti。word, word）； eti.count = 1;int sqlist_count

14、(sqlist *sq, elem_type *et） int i; int j=0; for(i=0；i单词个数n”); for （i = 0; i sq。length; i+） x=strlen（eti.word）； for(w=x-1；w=0;w-） if(eti.wordw90&eti.wordw122) eti.wordw= ; for(w=0;wx;w+） if （eti.wordw= ） y+； if(y=x） eti.count=0； y=0； else y=0； if(eti.count！=0） printf(”%20s%10dn”， eti。word, eti。count）

15、; else q+; j=sqlist_count(sq， et); printf（”ns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=k1； / 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(is1.length & js2。length） if(s1.chi=s2。chj） i+；j+； / 继续使下标移向下一个

16、字符位置 */ else i=i-j+1； j=0; if （j=s2。length） return is2.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(%

17、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（ks.length1) /* 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

18、)； / 统计单词出现的个数 */ 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

19、（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（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