1.統計文字中漢字的頻數，為後續的文字分類做基礎。對於漢字的統計，需要判斷讀取的是否為漢字。源**如下：
[c++ code]
[cpp]view plain
copy
/**@author:鄭海波
*參考：實驗室小熊
*注：有刪改
*/#pragma warning(disable:4786)
#include
#include
#include
#include
#include
#include
#include
using
namespace
std;
void
topk(
const
int&k)
else
//非漢字字元不統計
wordcount[s]++;
s=""
; }
cout<
<
//優先佇列使用小頂堆，排在前面的數量少，使用">";
priority_queue
,string >,vector
int,string > >,greater
int,string> > > queuek;
for(mapint
>::iterator iter=wordcount.begin(); iter!=wordcount.end(); iter++)
pair
,string>tmp;
//將排在後面的數量少，排在前面的數量多
priority_queue
,string >,vector
int,string > >,less
int,string> > > queuekless;
while
(!queuek.empty())
while
(!queuekless.empty())
cout<
<
" s>"
<
} int
main()
return
0;
}
[圖1]
2.統計英文單詞的出現頻率。這比統計漢字更加的容易，因為單詞和單詞之間是用空格分開的，所以，直接將單詞儲存到string中即可。
[c++ code]
[cpp]view plain
copy
/**@author:鄭海波
*參考：實驗室小熊
*注：有刪改
*/#pragma warning(disable:4786)
#include
#include
#include
#include
#include
#include
#include
using
namespace
std;
void
topk(
const
int&k)
cout<
<
//優先佇列使用小頂堆，排在前面的數量少，使用">";
priority_queue
,string >,vector
int,string > >,greater
int,string> > > queuek;
for(mapint
>::iterator iter=wordcount.begin(); iter!=wordcount.end(); iter++)
pair
,string>tmp;
priority_queue
,string >,vector
int,string > >,less
int,string> > > queuekless;
while
(!queuek.empty())
while
(!queuekless.empty())
cout<
<
" >"
<
} int
main()
return
0;
}
[圖2]
參考：實驗室小熊
python中英文本母和中文漢字所佔的位元組
1.判斷所佔位元組數可以用下面語句判斷 中文和符號 print type 中文 encode utf 8 輸出為bytes型別 執行結果 class bytes print type 中文 encode gbk 執行結果 class bytes print len 中文 encode utf 8 輸...
python中英文本母和中文漢字所佔的位元組
print type 李傑 encode utf 8 print type 李傑 encode gbk print len 李傑 encode utf 8 6 print len 李傑 encode gbk 4 print len encode gbk 4 英文和符號 print type li e...
統計分析文章中英文單詞出現次數及頻率（C 實現）
設計思路 1.為了統計資料具有實際意義 1 統計中需要剔除一些無統計意義的詞，例如 am is are 等虛詞 代詞 連詞等。2 一般的文章句首單詞首字母為大寫，此時需要將此類情況的大寫字母轉化為小寫字母，但值得一提的是，許多專有名詞入如 who iphone 等詞不應作此類處理。3 為了應對文章總...