文本文件单词的检索与计数.doc

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） 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 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 return i; } //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： Int PartPosition(SString S1, SString S2, int k) { int i, j; i=k-1; /