軟工1816 · 做業（二）

Github項目地址

Github

PSP表格

PSP2.1	Personal Software Process Stages	預估耗時（分鐘）	實際耗時（分鐘）
Planning	計劃	10	20
• Estimate	• 估計這個任務須要多少時間	10	20
Development	開發	380	495
• Analysis	• 需求分析 (包括學習新技術)	60	70
• Design Spec	• 生成設計文檔	30	10
• Design Review	• 設計複審	10	5
• Coding Standard	• 代碼規範 (爲目前的開發制定合適的規範)	20	15
• Design	• 具體設計	10	5
• Coding	• 具體編碼	120	270
• Code Review	• 代碼複審	10	60
• Test	• 測試（自我測試，修改代碼，提交修改）	120	60
Reporting	報告	50	75
• Test Repor	• 測試報告	30	10
• Size Measurement	• 計算工做量	10	5
• Postmortem & Process Improvement Plan	• 過後總結, 並提出過程改進計劃	10	60
	合計	440	590

解題思路

首先，拿到題目的時候，先分析了一下需求：

第一步、實現基本功能

1. 以命令行參數傳入
2. 統計文件的字符數
3. 統計文件的單詞總數
4. 統計文件的有效行數
5. 統計文件中各單詞的出現次數，最終只輸出頻率最高的10個
6. 按照字典序輸出到文件result.txt

第二步、接口封裝
把基本功能裏的：

1. 統計字符數
2. 統計單詞數
3. 統計最多的10個單詞及其詞頻

這三個功能獨立出來，成爲一個獨立的模塊，能夠在幾個地方使用：

1. 命令行測試程序使用
2. 在單元測試框架下使用
3. 與數據可視化部分結合使用

根據題目要求，很容易想到要使用C++文件的讀入讀寫操做來完成這次任務。因此先複習了一下文件的操做，還有上網查了一下詞頻的統計方法。

設計實現

根據基本功能，劃分如下六個函數：

• isChinese 判斷是不是漢字
• isWord 判斷是不是單詞
• isSign 判斷是不是分隔符
• CountChar 統計字符個數
• CountLine 統計有效行數
• CountWord 統計單詞個數
• CountTime 統計單詞頻率

其中統計字符個數和有效行數都是直接讀入文件，讀一個字符或一個換行符計數變量就加一。比較須要花功夫的是統計單詞的個數和單詞頻率，首先預處理txt裏的內容，把全部分隔符替換成空格，而且大寫所有轉換爲小寫。以後將string轉換爲stringstream，stringstream是以空格爲界，先讀入每兩個空格之間的字符串再作漢字和單詞的判斷。至於單詞的排序，採用了map和vector數據結構相結合，先用map保存單詞和單詞頻率的關係，再用vector進行詞頻和字典序的排序。

代碼說明

while (getline(infile, s))
{
    for (int i = 0; i < s.size(); i++)
    {
        if (isChinese(s[i], s[i + 1]) == 1)//是漢字則跳過
        {
            i++;
        }
        else
        {
            if (isSign(s[i]) == 1)//是分隔符
            {
                s[i] = ' '; //將分隔符都換成空格
            }
        }
    }
    str.append(s);
    str.append(1, ' ');
}
transform(str.begin(), str.end(), str.begin(), ::tolower); //將大寫轉化爲小寫
stringstream ss(str); //分割成一個個字符串
map<string, int> strMap;  //保存的結果
string strTmp; //分割後的字符串
while (ss >> strTmp)
{
    if (isWord(strTmp) == 1) //判斷是否爲單詞
    {
        map<string, int>::iterator it = strMap.find(strTmp);
        if (it == strMap.end())
        {
            strMap.insert(map<string, int>::value_type(strTmp, 1)); //插入map
        }
        else
            strMap[strTmp]++; //詞頻+1
    }
}
vector<pair<int, string> > vec;
MapSortOfValue(vec, strMap); //利用vec排序
for (vector<pair<int, string> >::iterator it = vec.begin(); it != vec.end(); it++)
{
    n++;
    if (n <= 10) //選出詞頻最高的10個單詞
    {
        vec2.push_back(make_pair(it->first, it->second));
    }
}
sort(vec.begin(), vec.end(), cmp); //最後再以字典序排序

心路歷程

首先很抱歉，因爲這一週恰好新生入學，而我做爲班導天然責無旁貸須要帶領他們，新生教育周的活動安排得很是密集，因此我除了上課以外的空閒時間都在帶新生。天天基本上都是十一點才能回到宿舍有本身的時間，次日早上六七點又要起牀。很難有時間靜下心來寫程序。就連做業發表後我也是直到次日纔有時間看一眼。此次做業我沒有完成得很好，實現了基本功能後就已經沒剩什麼時間再完成擴展功能了，還有性能分析和單元測試，這是我以前沒有接觸過的，再學習新技能明顯已經來不及了。單元測試的Bug還沒改完，最後在性能分析的時候，VS崩潰了，連運行都運行不了，致使只能先把已作完的部分提交。
因此，建議給本身的deadline能夠比任務的實際deadline早那麼一天，好應對一些突發情況。
再接再礪吧。下一次做業必定不這麼趕了。