基于Ｃ语言的字数统计.docVIP

基于Ｃ语言的字数统计 　　摘要：字数统计是文档处理中经常要用到的功能，这其中要包括英文单词、数字和中文等，而且又要和全角或半角的标点符号进行区分，故此在中英文混合文件中进行准确的字数统计也是有一定难度的。这里提出了一种较好的字数统计的方法，可以很好的区分出英文单词、数字和汉字，并以C语言为工具进行了实现。 　　关键词：字数统计；汉字；标点符号；C语言；实现 　　中图分类号：TP312文献标识码：A文章编号：1009-3044(2008)34-2028-02 　　Word Statistics Based on C 　　TANG Xiao-le 　　(Dept. of Computer, Henan Industry Trade Vocational College, Zhengzhou 450012, China) 　　Abstract: Word statistics is a kind of function which is usually used and it includes English words, digits and Chinese characters, what’s more, it must discriminate single byte punctuation marks from double byte punctuation marks. So it is of some difficulty when counting words accurately in compound files. A method is presented to count word which can separate English words, digits and Chinese words and is realized based on C language. 　　Key words：word statistics; Chinese character; punctuation marks; C language; realization 　　 　　1 引言 　　ASCII是用来表示英文字符的一种编码规范，每个ASCII字符占用1个字节（8bits）。因此，ASCII编码可以表示的最大字符数是256，其实英文字符并没有那么多，一般只用前128个（最高位为0），其中包括了控制字符、数字、大小写字母和其他一些符号。 　　中文的文字编码规范叫做“GB2312-80”，它是和ASCII兼容的一种编码规范，其实就是把一个中文字符用两个扩展ASCII字符来表示。我们必须判断一个ASCII码是否扩展，以及它的下一个ASCII是否扩展，然后才“猜”那可能是一个中文字符。而由于汉字和全角字符都是用两个扩展ASCII字符来表示，所以还需进一步加以区分。这样统计中英文混合文件中的字数，也是比较复杂的，有些软件也不尽准确，如微软Office组件中的Word在对中文字数统计时会把中文的标点符号也计算在内。 　　2 基于C语言的字数统计 　　本文用C语言来大致描述出如何通过编程来实现字数统计功能。均假设从test.txt文件中得到输入。所用到的文件指针如下： 　　FILE *fp; 　　// 打开文件 　　if((fp = fopen(c:\\test.txt, r)) == NULL) 　　{ 　　printf(Cant open file.); 　　exit(1); 　　} 　　2.1 英文单词的统计 　　对英文单词进行统计时，需要考虑它们的ASCII码即可，主要要分清哪个字符标识着单词的开始或结束，如单词hello，一旦访问到字符h就表明进入单词内部，直到遇到单词分隔符如空格、回车等时认为该单词结束，将单词数加一。简要代码如下： 　　void countEn(FILE *fp, int *num_e) 　　{ 　　int word_e = 0; // 英文单词开始时设置 0 标记，即在单词外部 　　char ch; 　　while((ch = fgetc(fp)) != EOF) 　　{ 　　// 判断是否为字母 　　if(((ch = a ch = A ch = Z)) word_e == 0) 　　{ 　　(*num_e)++; 　　word_e = 1; // 置1表明在单词内部 　　} 　　// 如果既不是字母又不是数字，而且也不小于0的话，即也不是中文字符的话， 　　// 就视为分隔符 　　else if((ch 0 ch 57 ch 65) 　　|| (ch 90 ch 122 ch 128)) 　　wo