C++ 统计英文文本单词数量和出现次数

本文提供 C++ 代码实现统计英文文本中的单词数量，并统计每个单词出现的次数，包含基本版和进阶版两种实现。

输入说明 若干行英文，最后以'!!!!!'为结束。

输出说明

• 单词数量
• 出现次数排名前 10 的单词（次数按照降序排序，如果次数相同，则按照键值的字母升序排序）及出现次数。

基本版

统计时，区分字母大小写，且不删除指定标点符号。

#include <iostream>
#include <string>
#include <map>
using namespace std;

int main() {
    string line;
    map<string, int> word_cnt;
    while (getline(cin, line)) {
        if (line.empty()) continue; // 忽略空行或空格行
        int start = 0, end = 0;
        while (end < line.length()) {
            while (end < line.length() && line[end] == ' ') end++; // 跳过空格
            start = end;
            while (end < line.length() && line[end] != ' ') end++; // 找到单词结尾
            if (start < end) { // 找到了一个单词
                string word = line.substr(start, end - start);
                word_cnt[word]++;
            }
        }
    }
    cout << "单词数量：" << word_cnt.size() << endl;
    return 0;
}

进阶版

统计前，需要从文字中删除指定标点符号'!.,:*?'。 注意：所谓的删除，就是用 1 个空格替换掉相应字符。 统计单词时需要忽略单词的大小写。

#include <iostream>
#include <string>
#include <map>
#include <algorithm>
using namespace std;

void remove_punct(string& s) { // 删除标点
    string punct = "!.,:*?";
    for (char& c : s) {
        if (punct.find(c) != string::npos) c = ' ';
    }
}

void to_lower(string& s) { // 转换为小写
    for (char& c : s) {
        if (c >= 'A' && c <= 'Z') c += ('a' - 'A');
    }
}

int main() {
    string line;
    map<string, int> word_cnt;
    while (getline(cin, line)) {
        if (line.empty()) continue; // 忽略空行或空格行
        remove_punct(line); // 删除标点
        int start = 0, end = 0;
        while (end < line.length()) {
            while (end < line.length() && line[end] == ' ') end++; // 跳过空格
            start = end;
            while (end < line.length() && line[end] != ' ') end++; // 找到单词结尾
            if (start < end) { // 找到了一个单词
                string word = line.substr(start, end - start);
                to_lower(word); // 转换为小写
                word_cnt[word]++;
            }
        }
    }
    cout << "单词数量：" << word_cnt.size() << endl;

    // 按照出现次数排序
    vector<pair<string, int>> word_vec(word_cnt.begin(), word_cnt.end());
    sort(word_vec.begin(), word_vec.end(), 
        [](const pair<string, int>& a, const pair<string, int>& b) {
            return a.second > b.second || (a.second == b.second && a.first < b.first);
        });

    // 输出前 10 个出现次数最多的单词
    cout << "出现次数排名前 10 的单词及出现次数：" << endl;
    for (int i = 0; i < min(10, (int)word_vec.size()); i++) {
        cout << word_vec[i].first << " " << word_vec[i].second << endl;
    }

    return 0;
}