软工作业3-词频统计

一、程序分析

（1）读文件到缓存区（process_file(dst)）

def process_file(dst):  # 读文件到缓冲区
    try:  # 打开文件
        f = open(dst, 'r', encoding='gb2312')  # dst为文本的目录路径
    except IOError as s:
        print(s)
        return None
    try:  # 读文件到缓冲区
        bvffer = f.read()
    except:
        print('Read File Error!')
        return None
    f.close()
    return bvffer

 （2）处理缓冲区,返回存有词频数据的字典（process_buffer(bvffer))

def process_buffer(bvffer):
    if bvffer:
        word_freq = {}  # 下面添加处理缓冲区 bvffer代码，统计每个单词的频率，存放在字典word_freq
        for ch in '“‘!;,.?”':
            bvffer = bvffer.lower().replace(ch, " ")
        words = bvffer.strip().split()
        # strip()
        for word in words:
            word_freq[word] = word_freq.get(word, 0) + 1
        return word_freq

 （3）输出词频前十的单词(output_result(world_freq))

def output_result(word_freq):
    if word_freq:
        # 根据v[1]即词频数量排序
        sorted_word_freq = sorted(word_freq.items(), key=lambda v: v[1], reverse=True)
        for item in sorted_word_freq[:10]:  # 输出 Top 10 的单词
            print("(%s,%d) " % (item[0], item[1]))

 （4）主函数对之前的函数进行整合(main())

   if __name__ == "__main__":
   dst = 'src/Gone_with_the_wind.txt'  # 《飘》文件的路径
   bvffer = process_file(dst)
   word_freq = process_buffer(bvffer)
   output_result(word_freq)

（5）性能分析

将原来的运行词频的代码卸载main函数中进行测试

def main():
    dst = 'Gone_with_the_wind.txt'  # 《飘》文件的路径
    bvffer = process_file(dst)
    word_freq = process_buffer(bvffer)
    output_result(word_freq)
主函数入口改为性能分析的代码

if __name__ == "__main__":
    cProfile.run("main()", "result")
    # 把分析结果保存到文件中,不过内容可读性差...需要调用pstats模块分析结果
    p = pstats.Stats("result")  # 创建Stats对象
    p.strip_dirs().sort_stats("call").print_stats()  # 按照调用的次数排序
    p.strip_dirs().sort_stats("cumulative").print_stats()  # 按执行时间次数排序
    # 根据上面2行代码的结果发现函数process_buffer最耗时间
    p.print_callees("process_buffer")  # 查看process_buffer()函数中调用了哪些函数

 二、代码风格说明

python代码编写时，不需要{ }括号，用缩进代替，用来强制规范代码

        for ch in '“‘!;,.?”':
            bvffer = bvffer.lower().replace(ch, " ")
        words = bvffer.strip().split()

三、程序运行命令、运行结果截图

 

四、性能分析结果及改进

（1）总运行时间

 

 （2)执行次数最多的部分代码

 (3)执行时间最多的部分代码