7-35 词频统计 （30 分）

请编写程序，对一段英文文本，统计其中所有不同单词的个数，以及词频最大的前10%的单词。
所谓“单词”，是指由不超过80个单词字符组成的连续字符串，但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线，其它字符均认为是单词分隔符。

输入格式:
输入给出一段非空文本，最后以符号#结尾。输入保证存在至少10个不同的单词。

输出格式:
在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写，例如“PAT”和“pat”被认为是同一个单词。
随后按照词频递减的顺序，按照词频:单词的格式输出词频最大的前10%的单词。若有并列，则按递增字典序输出。

输入样例：

This is a test.

The word “this” is the word with the highest frequency.

Longlonglonglongword should be cut off, so is considered as the same
as longlonglonglonee. But this_8 is different than this, and this,
and this…# this line should be ignored.

输出样例：（注意：虽然单词the也出现了4次，但因为我们只要输出前10%（即23个单词中的前2个）单词，而按照字母序，the排第3位，所以不输出。）
23
5:this
4:is

• 词频统计——map；
• 按词频排序——vector（可设置结构体，亦可使用make_pair()）；

使用make_pair（）：

#include
#include
#include
#include
#include
#include
#include
#include
using namespace std;
map<string,int> mp;
vector<pair<string,int> > v;
bool cmp(pair<string,int> a,pair<string,int> b){
     if(a.second!=b.second) return a.second>b.second;
     else return a.first<b.first;
}
int main() {
    string s;
    char ch;
    while(~scanf("%c",&ch)&&ch!='#') {
        if(ch>='a'&&ch<='z'||ch>='A'&&ch<='Z'||ch>='0'&&ch<='9'||ch=='_') {
            if(ch>='A'&&ch<='Z') ch=ch-'A'+'a';
            if(s.size()<15) s+=ch;
        }
        else{
            if(s.size()>0){
                 mp[s]++;
                 s.clear();
            }
        }
    }
    map<string,int>::iterator it;
    for(it=mp.begin();it!=mp.end();it++){
        v.push_back(make_pair(it->first,it->second));
    }
    sort(v.begin(),v.end(),cmp)
    cout<<v.size()<<endl;
    int len=v.size()/10;
    for(int i=0;i<len;i++){
        cout<<v[i].second<<":"<<v[i].first<<endl;
    }
    return 0;
}

使用结构体：

#include
#include
#include
#include
#include
#include
using namespace std;
struct node{
    string s;
    int num;
}p;
map<string,int> mp;
map<string,int>::iterator it;
vector<node> v;
bool cmp(node a,node b){
 if(a.num!=b.num)
     return a.num>b.num;
 else
     return a.s<b.s; 
}
int main(){
     string s="";
     char c;
     while(~scanf("%c",&c)){
          if((c>='A'&&c<='Z')||(c>='a'&&c<='z')||(c>='0'&c<='9')||(c=='_')){
              if(c>='A'&&c<='Z')
                  c=c-'A'+'a';
              if(s.size()<15)
                  s+=c;
          }
          else{//单词分隔符
              if(s.size()!=0){
                  mp[s]++;
                  s="";
              }
              if(c=='#')
                  break;
          }
     }
     for(it=mp.begin();it!=mp.end();++it){
         p.s=it->first;
         p.num=it->second;
         v.push_back(p);
     }
     sort(v.begin(),v.end(),cmp);
     cout<<v.size()<<endl;
     int m=v.size()/10;
     for(int i=0;i<m;i++){
         cout<<v[i].num<<":"<<v[i].s<<endl;
     }
     return 0;
}