统计文件中单词频率的各种算法实现

  为了应付面试，最近一直在学习数据结构和算法。本文将通过统计文件中单词的频率，并按频率出现顺序和按字母顺序输出文件中的单词及出现次数。

 比如“abc  aa hello welcome hello aa abc hello”, 按频率次数的输出为：

 hello 3

 aa 2 

abc 2

welcome 1

按字符顺序输出为：

 aa 2 

abc 2

hello 3

welcome 1

本文将尝试采用以下几种算法分别来实现

1.数组+冒泡排序

2.链表+哈希

3.二叉树

方案一：

首先构件如下结构体：

Typedef struct node *nodeptr

Typedef struct node

{

Char*word;//用来存放单词

Int count;//用来存放单词出现的个数

}node

数组的劣势在于需要事先知道文本文件中字符串的多少，如果太大会造成浪费太小又会造成数组溢出。

只能先定义一个足够大的数组

#define MAX_WORD_NUM 1024*1024

通过一个个读取文件中的字符串，将其按顺序存放在数组中，每次存放之前要比较当前字符串是否在数组中已经存在，

当存在时count++,不存在即存放在最后一个未被暂用的数组空间中。比较的时间复杂度为O（n）

由于数组的插入与删除操作是不方便的，所以排序是放在最后的。

针对按词频输出和按字母顺序输出都是一样的比较方法，采用冒泡排序

for(int i = 0 ; i < word_num; i++)

{

for(int j = 0 ; j < word_num - i ; j++)

{

if(a[j].count > a[j+1].count)

{

node temp ;

}

}

}

这种排序的时间复杂度为O（N*N）

方案二：

数组存在明显的弊端，需要事先知道文件中字符串的个数

那么可以改用链表，链表的优势在于插入与删除

在插入之前我们就保证链表是有序的，我们先按字母顺序插入，

比如aa就比abc要小，那么aa会插入在abc之前

查找插入的时间复杂度为O(n)

for（int i = 0 ; i <text.size; i++）

{

if()

}