2018（秋）軟工做業 4：結對項目之詞頻統計——基本功能

0. 階段1 - 結對項目：詞頻統計——基本功能

1. 目標

• 使用開發工具 （Eclipse 或者 Visual Studio）
• 開發語言 （C、C++、C# 或者Java ）
• 使用源代碼管理工具（Git）

2. 要求

1. 實現一個控制檯程序，給定一段英文字符串文件，統計其中各個英文單詞的出現頻率。

   輸入文件名以命令行參數傳入。例如咱們在命令行窗口(cmd)中輸入：

wordCount.exe input.txt
   //Java語言
    java wordCount input.txt

則會統計input.txt中的如下幾個指標:

(1) 統計文件的有效行數.

• 任何包含非空白字符的行，都須要統計。

(2) 統計文件的單詞總數.
定義：（單詞）是至少以4個英文字母開頭，跟上字母數字符號，單詞以分隔符分割，不區分大小寫。

• 英文字母：A-Z，a-z
• 字母數字符號：A-Z，a-z，0-9
• 分割符：空格，非字母數字符號
  • 例：file123是一個單詞，123file不是一個單詞。file，File和FILE是同一個單詞

(3) 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。頻率相同的單詞，優先輸出字典序靠前的單詞。
例如，windows95，windows98和windows2000同時出現時，則先輸出windows2000
- 輸出的單詞統一爲小寫格式
- 輸出的格式爲:

characters: number
   words: number
   lines: number
   <word1>: number
   <word2>: number
   ...

特別提醒，爲便於單元測試：

• 上述輸出中冒號是英文的":", 其後不能有空格；
• 輸出的文件名 result.txt；
• 單詞所有小寫；

(4) 將第三步結果，輸出到文件result.txt

1. 性能分析：

• 對C++代碼運行VS的性能分析工具，找出性能問題並進行優化。
• 對Java程序運行性能分析工具 NetBeans IDE 6.0，找出性能問題並進行優化。

3. 提交（博客）

提交內容包括：

(1) 提交 V1.0 能夠編譯運行的源碼到碼雲（gitee）（5分）

• Fork PairProgram項目 https://gitee.com/ntucs/PairProg.git
• 新建分支 SEXXX（ XXX 爲學號後三位），在新分支下新建源代碼，編譯經過，提交（commit），push 到遠端倉庫【PairProgram項目】。
• 程序代碼應該能正確編譯。
• 確保單元測試代碼經過。（5分，10個測試用例，經過率S。）

(2) 提交博客 （博客標題：做業 4：詞頻統計——基本功能）(5分）

• 項目 Git地址，程序運行模塊（方法、函數）介紹（1分）
• 程序算法的時間、空間複雜度分析（1分）
• 程序運行案例截圖（1分）
• 描述你花了多少時間在提升程序性能上，利用VS的性能分析工具，展現你的性能圖表（1分）
• 結對編程照片（1分）