查找单词序列在文章中出现的次数

查找单词序列在文章中出现的次数

 

[期望]

对于测试
char *substrs[3] = {"ffff", "cindy", "Bill"};
char *str = "Hellocindy, BillGatesBill---cindy-ffffffxxx23424cindycindy";
找到的结果应该是：

"ffff" => 3,
"cindy" => 4,
"Bill" => 2

 

[抱怨]

c语言没有基础数据结构hash用来方便地表示上面这种结果，像perl,python都有，用起来很方便，C++通过STL的hash_map也能干这个活。

搜了一下，网上有把c++的STL移植到c上的，其中一个叫做libcstl,它的github地址是这里,有兴趣的同学可以看一下。不过作为技术练习，可以试着自己思考/动手来用c实现hash(hash_map)。

 

[思路]
如果用脚本语言来做，简直太简单了。
我C语言的思路是这样的：
对每一个子字符串，第一次从文章开头开始找，第二次从文章开头+1的位置开始找，......,若这一次找到的位置和上一次不一致，则认为子串又出现了一次。查找完一个子串后，分配填充找到的信息，链到链表中。然后开始下一个子串的查找。
查找使用的是strstr()函数，应该有更好的做法。
#include <string.h>

char *strstr(const char *haystack, const char *needle);

简单实现了一下，目前把所有功能都写在了一个函数里，更好的做法是把链表节点的创建、填充、插入、删除，查找子串出现次数等功能独立出来，结构会更清晰。

 

欢迎大家提出更好的做法。

 

[代码]

  1 #include <stdio.h>

  2 #include <assert.h>

  3 #include <stdlib.h>

  4 #include <string.h>

  5 

  6 struct info {

  7     char *str;

  8     int count;

  9     struct info *next;

 10 };

 11 

 12 typedef struct info * HEAD;

 13 typedef struct info * INFO;

 14 

 15 INFO get_substr_info(const char *str, char **substrs, int num);

 16 void get_substr_info_test();

 17 

 18 int main()

 19 {

 20     get_substr_info_test();

 21     return 0;

 22 }

 23 

 24 void get_substr_info_test()

 25 {

 26     char *substrs[3] = {"ffff", "cindy", "Bill"};

 27     char *str = "Hellocindy, BillGatesBill---cindy-ffffffxxx23424cindycindy";

 28     INFO rtn = get_substr_info(str, substrs, 3);

 29     while(rtn != NULL && rtn->next != NULL) {

 30         INFO ptr = rtn->next;

 31         printf("name=>%s,count=>%d\n", ptr->str, ptr->count);

 32         rtn = rtn->next;

 33         free(ptr->str);

 34         free(ptr);

 35     }

 36 }

 37 

 38 INFO get_substr_info(const char *str, char **substrs, int num)

 39 {

 40     assert(str!=NULL && substrs != NULL);

 41     char *substr = NULL;

 42     char *tmpstr;

 43     int i = 0;

 44     char *lastpos = NULL;

 45     HEAD head = NULL;

 46     INFO info = NULL;

 47     INFO ptr = NULL;

 48     int count[num];

 49     int len;

 50 

 51     head = malloc(sizeof(struct info));

 52     head->next = NULL;

 53     ptr = head;

 54 

 55     while(i<num) {

 56         substr = substrs[i];

 57         len = strlen(substr);

 58 

 59         lastpos = tmpstr = str;

 60         count[i] = 0;

 61         while(*tmpstr != '\0') {

 62             char *rtn;

 63             if (tmpstr == str ) {

 64                 if ((rtn=strstr(tmpstr, substr)) != NULL) {

 65                     count[i]++;

 66                     lastpos = rtn;

 67                     //printf("  found %s %d times\n", substr, count[i]);

 68                 }

 69             } else {

 70                 if (((rtn=strstr(tmpstr, substr)) != NULL) 

 71                 && rtn != lastpos) {

 72                     count[i]++;

 73                     lastpos = rtn;

 74                     //printf("  found %s %d times\n", substr, count[i]);

 75                 }

 76             }

 77             tmpstr++;

 78         }

 79 

 80         //

 81         info = malloc(sizeof(struct info));

 82         memset(info, 0, sizeof(struct info));

 83         info->str = malloc(len+1);

 84         memcpy(info->str, substr, len);

 85         info->str[len] = '\0';

 86         info->count = count[i];

 87         info->next = NULL;

 88 

 89         //

 90         while(ptr->next != NULL) {

 91             ptr = ptr->next;

 92         }

 93         ptr->next = info;

 94         ptr = info;

 95 

 96         i++;

 97     }

 98 

 99     return head;

100 }

View Code