刚参加了腾讯2015年在线模拟考；四道大题的第一题就是单词统计程序的设计思想；为了记住这一天，我打算今天通过代码实现一下；我将用到的核心数据结构是二叉树；
Problem
我需要统计的单词是在程序直接硬编码的；这样做得原因是省略了文件输入输出所带来的困惑；我的每篇文章，一般只说一个主题；这样也方便我日后复习；
Solution
首先，我们需要定义一个结构体，如下代码所示：
const int LONGEST_WORD = 32; // The longest word size
struct binary_tree {
char str[LONGEST_WORD];
int count;
struct binary_tree * left;
struct binary_tree * right;
};
typedef struct binary_tree node;
注意到，我们假设最长的单词定义为一个常量，在这里我觉得目前32这个长度应该可以啦；如果要统计的文章是化学论文，建议你再加大数字，因为化学式通常都很长；然后是，我们的结构体；这应该很容易理解的；由于C语言没有提供我想要的BOOL类型，因此自己动手写啦下面的代码；这个定义非常有用，通常它比define更加值得推荐；
enum BOOL {
NO,
YES
};
typedef enum BOOL BOOL;
接下来，我们需要知道单词之间是如何比较大小的；
因此，需要一个函数叫做cmp；
代码实现如下：
BOOL cmp(char * s, char * t)
{
int i;
for (i = 0; s[i] == t[i]; i++)
if ( s[i] == '\0' )
return NO;
return (s[i] - t[i]) < 0 ? NO:YES;
}
同时遍历两个字符串，然后对返回值进行一个处理；
这样只会返回两种情况NO/YES，不然的话会返回三种值(-1，0，正数);
那样的话，不利于我们往后的工作；
接下来呢，就是如果返回YES我们该（如何） （做什么）；
如果返回NO我们又该（如何）（做什么）；
因此，我们需要一个insert函数，把数据的两种不同分别插入左右子树；
void insert(node ** tree, char * val) {
node * temp = NULL;
if(!(*tree)) {
temp = (node*)malloc(sizeof(node));
temp->left = temp->right = NULL;
temp->str = val; //issue code ...
temp->count = 1;
*tree = temp;
return ;
}
if(cmp(val, (*tree)->str)) {
insert(&(*tree)->left,val);
}else if (cmp(val,(*tree)->str)) {
insert(&(*tree)->right,val);
}else{
(*tree)->count++;
}
}
这段代码和前面提到的(C语言实现二叉树)里面的代码几乎一样的，哪里有详细介绍；这里主要讲解一下注释有issue code的那行，如果这行不修改，程序将会蹦溃；但是，我会故意不马上修改它，继续往下写；我们需要一个函数，销毁节点：
void deltree(node * tree) {
if(tree) {
deltree(tree->left);
deltree(tree->right);
free(tree);
}
}
为了查看我们的结果，我们需要一种遍历方式；
这里我们就选择中序吧！
void print_inorder(node * tree) {
if(tree) {
print_inorder(tree->left);
printf("[%s\t\t\t]count:[%d]\n",tree->str,tree->count);
print_inorder(tree->right);
}
}
我们把头文件stdio.h/stdlib.h引入后；
把主int main(int argc, char ** arg{
node * root;
node * tmp;
//int i;
root = NULL;
/* Inserting nodes into tree */
insert(&root,"hello");
insert(&root,"hey");
insert(&root,"hello");
insert(&root,"ok");
insert(&root,"hey");
insert(&root,"hey");
insert(&root,"hey")；
printf("In Order Display\n");
print_inorder(root);/* Deleting all nodes of tree */
deltree(root);
}
gcc编译运行得到如下结果：
果然，我们的issue code有问题，原因是字符串不能像其他的，例如int类型一样直接用‘=’号赋值；
所以我们需要一个cpy函数：
void mystrcpy(char *s, char *t)
{
while ((*s++ = *t++) != '\0')
;
}
所有代码如下：
#include <stdio.h>
#include <stdlib.h>
const int LONGEST_WORD = 32; // The longest word size
struct binary_tree {
char str[LONGEST_WORD];
int count;
struct binary_tree * left;
struct binary_tree * right;
};
typedef struct binary_tree node;
enum BOOL {
NO,
YES
};
typedef enum BOOL BOOL;
BOOL cmp(char * s, char * t)
{
int i;
for (i = 0; s[i] == t[i]; i++)
if ( s[i] == '\0' )
return NO;
return (s[i] - t[i]) < 0 ? NO:YES;
}
void mystrcpy(char *s, char *t)
{
while ((*s++ = *t++) != '\0')
;
}
void insert(node ** tree, char * val) {
node * temp = NULL;
if(!(*tree)) {
temp = (node*)malloc(sizeof(node));
temp->left = temp->right = NULL;
//temp->str = val; //issue code ...
mystrcpy(temp->str,val);
temp->count = 1;
*tree = temp;
return ;
}
if(cmp(val, (*tree)->str)) {
insert(&(*tree)->left,val);
}else if (cmp(val,(*tree)->str)) {
insert(&(*tree)->right,val);
}else{
(*tree)->count++;
}
}
void deltree(node * tree) {
if(tree) {
deltree(tree->left);
deltree(tree->right);
free(tree);
}
}
void print_inorder(node * tree) {
if(tree) {
print_inorder(tree->left);
printf("[%s\t\t\t]count:[%d]\n",tree->str,tree->count);
print_inorder(tree->right);
}
}
int main(int argc, char ** argv)
{
node * root;
node * tmp;
//int i;
root = NULL;
/* Inserting nodes into tree */
insert(&root,"hello");
insert(&root,"hey");
insert(&root,"hello");
insert(&root,"ok");
insert(&root,"hey");
insert(&root,"hey");
insert(&root,"hey");
printf("In Order Display\n");
print_inorder(root);
/* Deleting all nodes of tree */
deltree(root);
}
最后运行结果如下：
Discussion
那么这个程序已经完成啦！
还有很多可以优化的，也可以增加更多的功能；
例如，查找特定字符出现的次数；
或者特定字符所出现的行数，等等都可以；
我们会在日后慢慢完善；