词频统计（30 分）(map vector sort)

7-18 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。）

235:this4:is

#include<cstdio>#include<cstring>#include<iostream>#include<map>#include<vector>#include<algorithm>using namespace std;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(){vector<pair<string,int> >vec;map<string,int>mp;string s;char ch;while(~scanf("%c",&ch)){if(ch>='A'&&ch<='Z'||ch>='0'&&ch<='9'||ch>='a'&&ch<='z'||ch=='_'){if(ch>='A'&&ch<='Z')ch+=32;if(s.size()<15)s+=ch;//string可以直接相加 c++和java是真的像 }else if(ch=='#')break; else {if(s.size()==0)continue;mp[s]++;s.clear();} }int i=0;map<string,int>::iterator it;for(it=mp.begin();it!=mp.end();it++){vec.push_back( make_pair(it->first,it->second));++i;}printf("%d\n",i);sort(vec.begin(),vec.end(),cmp);int gg=i/10;for(int i=0;i<gg;i++)cout<<vec[i].second<<":"<<vec[i].first<<endl;return 0;}