PTA 词频统计

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

解题思路：用map来统计单词出现的次数，vector来储存出现过的单词

#include <iostream> #include <cstdio> #include <string> #include <cstring> #include <algorithm> #include <cmath> #include <queue> #include <vector> #include <set> #include <stack> #include <map> #include <climits> #include <functional> using namespace std; #define LL long long const int INF=0x3f3f3f3f; map<string,int>mp; char ch[20],s[100]; vector<string>x; bool cmp(string p,string q) { if(mp[p]!=mp[q]) return mp[p]>mp[q]; else return p<q; } int main() { while(~scanf("%s",s)) { int len=strlen(s); int k=0; for(int i=0; i<len; i++) { if(s[i]=='_') { if(k<15) ch[k++]='_'; else continue; } else if(s[i]>='a'&&s[i]<='z') { if(k<15) ch[k++]=s[i]; else continue; } else if(s[i]>='A'&&s[i]<='Z') { if(k<15) ch[k++]=s[i]+32; else continue; } else if(s[i]>='0'&&s[i]<='9') { if(k<15) ch[k++]=s[i]; else continue; } else { if(k>0) { ch[k++]='\0'; if(!mp[ch]) x.push_back(ch); mp[ch]++; k=0; } } } if(k>0) { ch[k++]='\0'; if(!mp[ch]) x.push_back(ch); mp[ch]++; k=0; } if(s[len-1]=='#') break; } printf("%d\n",x.size()); int cnt=x.size()/10; sort(x.begin(),x.end(),cmp); for(int i=0;i<cnt;i++) cout<<mp[x[i]]<<":"<<x[i]<<endl; return 0; }