考虑使用平衡二叉树实现单词和词组数目的统计。
二叉树节点定义：
1 struct tnode { 2 char *word; 3 int count; 4 int height; //record node‘s height 5 struct tnode *left; 6 struct tnode *right; 7 };
节点中的成员char *word既可以存储单词，也可以存储词组。比较好的体现了该数据结构的复用属性。
【判断字符数逻辑】
逐字符读取文件，如果该字符在32-126之间，则字符总数＋1。
【判断行数逻辑】
逐字符读取，如果该字符为‘\n’,则总行数＋1，单个文件读取结束后总函数再＋1（因为文件结束符为EOF，不是‘\n’）。
【判断单词数逻辑】
遍历单词树，采用递归的方式计算总单词数。
1 long count_tree(struct tnode *root) { 2 if (root == NULL) return 0; 3 else return count_tree((*root).left) + count_tree((*root).right) + root->count; 4 }
【判断单词逻辑】
设置单词开始标志符bool isWordStart，然后根据标志符和当前读入的字符综合判断后续操作。不是单词开始且读到了字符，则开始记录单词。单词开始且读到的是字符或者数字，则继续记录，如果单词开始且读到了非字母数字字符则停止记录并并标志符置为false.
// 读到单词起始字母 if (!isWordStart && isCharacter(charTemp)) { isWordStart = true; lengthofStr = 1; str[0] = charTemp; } // 读单词（字母或者数字） else if (isWordStart && isNumorCharacter(charTemp)) { str[lengthofStr++] = charTemp; } // 单词读完后读到第一个分隔符 else if (isWordStart && !isNumorCharacter(charTemp)) { isWordStart = false; str[lengthofStr] = ‘\0‘; }
【单词树的动态维护】
由于最后输出要输出同类型词组排序最小的单词，因此在插入单词树时需要动态维护节点存储的单词。
【词组树的判断逻辑】
设置一个临时变量存储上次读到的单词。
如果是当前读到的单词总数为1，则不插入词组树，否则将该次读到的单词和上次读到的单词用空格分隔符拼接在一起，插入词组树。
// 若单词符合要求则插入树 if (lengthofStr >= 4 && isCharacter(str[1]) && isCharacter(str[2]) && isCharacter(str[3])) { //将单词插入单词树 numofAllWord++; root = insert_balance(root, str); //总共只扫描到一个单词，不插入词组树 if (numofAllWord == 1) { str_copy(str_before, str); } //总共扫描到至少两个单词，插入词组树 else { phrase = str_connectwithSpace(str_before, str); rootofPhrase = insert_balance_phrase(rootofPhrase, phrase); str_copy(str_before, str); } }
核心计数函数：
void getInformationofOneFile(char *filename, long &numofChararcter, long &numofLine, tnode *&root, tnode *&rootofPhrase) { FILE *fp = fopen(filename, "r"); if (fp == NULL) { return; } char str[STRING_MAX_LEN], str_before[STRING_MAX_LEN], *phrase = NULL; long numofAllCharacter = 0; //单篇文章所有ascii字符数目 long numofAllWord = 0; //单篇文章所有词组数目 bool isWordStart = false; bool isEmptyFile = false; int lengthofStr = 0; char charTemp; do { charTemp = fgetc(fp); if (charTemp == EOF &&numofAllCharacter == 0) { isEmptyFile = true; break; } numofAllCharacter++; if (charTemp >= 32 && charTemp <= 126) numofChararcter++; if (charTemp == ‘\n‘) numofLine++; // 读到单词起始字母 if (!isWordStart && isCharacter(charTemp)) { isWordStart = true; lengthofStr = 1; str[0] = charTemp; } // 读单词（字母或者数字） else if (isWordStart && isNumorCharacter(charTemp)) { str[lengthofStr++] = charTemp; } // 单词读完后读到第一个分隔符 else if (isWordStart && !isNumorCharacter(charTemp)) { isWordStart = false; str[lengthofStr] = ‘\0‘; // 若单词符合要求则插入树 if (lengthofStr >= 4 && isCharacter(str[1]) && isCharacter(str[2]) && isCharacter(str[3])) { //将单词插入单词树 numofAllWord++; root = insert_balance(root, str); //总共只扫描到一个单词，不插入词组树 if (numofAllWord == 1) { str_copy(str_before, str); } //总共扫描到至少两个单词，插入词组树 else { phrase = str_connectwithSpace(str_before, str); rootofPhrase = insert_balance_phrase(rootofPhrase, phrase); str_copy(str_before, str); } //[DEBUG][DEBUG][DEBUG][DEBUG][DEBUG][DEBUG] //cout << numofAllWord << endl; //travel_tree(rootofPhrase); } } } while (charTemp != EOF); if (!isEmptyFile) numofLine++; //numofLine++; fclose(fp); }
