在 C++ 中从向量中获取词频

Question

我已经用谷歌搜索了这个问题，但找不到适用于我的代码的答案，所以我写了这个来获取单词的频率唯一的问题是我得到了错误的单词出现次数，除了一个我认为是侥幸。另外我正在检查一个单词是否已经输入到向量中，所以我不会两次计算同一个单词。

fileSize = textFile.size();
vector<wordFrequency> words (fileSize);
int index = 0;
for(int i = 0; i <= fileSize - 1; i++)
{
    for(int j = 0; j < fileSize - 1; j++)
    {
        if(string::npos != textFile[i].find(textFile[j]) && words[i].Word != textFile[j])
        {
            words[j].Word = textFile[i];
            words[j].Times = index++;
        }
    }
    index = 0;
}

任何帮助将不胜感激。

Answer 1

考虑改用std::map<std::string,int>。地图类将确保您没有任何重复。

Answer 2

使用关联容器：

typedef std::unordered_map<std::string, unsigned> WordFrequencies;

WordFrequencies count(std::vector<std::string> const& words) {
  WordFrequencies wf;
  for (std::string const& word: words) {
    wf[word] += 1;
  }
  return wf;
}

很难变得更简单......

注意：如果您希望世界按字母顺序排序，您可以将 unordered_map 替换为 map，并且您可以编写自定义比较操作以不区分大小写。

Answer 3

如果您不想使用地图容器，请尝试使用此代码。

    struct wordFreq{
    string word;
    int count;
    wordFreq(string str, int c):word(str),count(c){}
    };
vector<wordFreq> words;

int ffind(vector<wordFreq>::iterator i, vector<wordFreq>::iterator j, string s)
{
    for(;i<j;i++){
        if((*i).word == s)
            return 1;
    }
    return 0;
}

然后在文本文件向量中查找出现次数的代码是：

for(int i=0; i< textfile.size();i++){
    if(ffind(words.begin(),words.end(),textfile[i]))    // Check whether word already checked for, if so move to the next one, i.e. avoid repetitions
        continue;
    words.push_back(wordFreq(textfile[i],1));          // Add the word to vector as it was not checked before and set its count to 1
    for(int j = i+1;j<textfile.size();j++){            // find possible duplicates of textfile[i]
        if(file[j] == (*(words.end()-1)).word)
            (*(words.end()-1)).count++;
    }
}