Skip to content

Latest commit

 

History

History
168 lines (122 loc) · 7.23 KB

chapter2-12-chinese.md

File metadata and controls

168 lines (122 loc) · 7.23 KB

实现写作风格助手用来查找文本中很长的句子——std::multimap

当有超级多的元素需要排序时,某些键值描述可能会出现多次,那么使用std::multimap完成这项工作无疑是个不错的选择。

先找个应用场景:当使用德文写作时,使用很长的句子是没有问题的。不过,使用英文时,就不行了。我们将实现一个辅助工具来帮助德国作家们分析他们的英文作品,着重于所有句子的长度。为了帮助这些作家改善其写作的文本风格,工具会按句子的长度对每个句子进行分组。这样作家们就能挑出比较长的句子,然后截断这些句子。

How to do it...

本节中,我们将从标准输入中获取用户输入,用户会输入所有的句子,而非单词。然后,我们将这些句子和其长度收集在std::multimap中。之后,我们将对所有句子的长度进行排序,打印给用户看。

  1. 包含必要的头文件。std::multimapstd::map在同一个头文件中声明。

    #include <iostream>
    #include <iterator>
    #include <map>
    #include <algorithm>
  2. 声明所使用的命名空间。

    using namespace std;
  3. 我们使用句号将输入字符串分成若干个句子,句子中的每个单词以空格隔开。句子中的一些对于句子长度无意义的符号,也会计算到长度中,所以,这里要使用辅助函数将这些符号过滤掉。

    string filter_ws(const string &s)
    {
        const char *ws {" \r\n\t"};
        const auto a (s.find_first_not_of(ws));
        const auto b (s.find_last_not_of(ws));
        if (a == string::npos) {
        	return {};
        }
        return s.substr(a, b);
    }
  4. 计算句子长度函数需要接收一个包含相应内容的字符串,并且返回一个std::multimap实例,其映射了排序后的句子长度和相应的句子。

    multimap<size_t, string> get_sentence_stats(const string &content)
    {
  5. 这里声明一个multimap结构,以及一些迭代器。在计算长度的循环中,我们需要end迭代器。然后,我们使用两个迭代器指向文本的开始和结尾。所有句子都在这个文本当中。

        multimap<size_t, string> ret;
        const auto end_it (end(content));
        auto it1 (begin(content));
        auto it2 (find(it1, end_it, '.'));
  6. it2总是指向句号,而it1指向句子的开头。只要it1没有到达文本的末尾就好。第二个条件就是要检查it2是否指向字符。如果不满足这些条件,那么就意味着这两个迭代器中没有任何字符了:

    	while (it1 != end_it && distance(it1, it2) > 0) {	
  7. 我们使用两个迭代器间的字符创建一个字符串,并且过滤字符串中所有的空格,只是为了计算句子纯单词的长度。

    		string s {filter_ws({it1, it2})};
  8. 当句子中不包含任何字符,或只有空格时,我们就不统计这句。另外,我们要计算有多少单词在句子中。这很简单,每个单词间都有空格隔开,单词的数量很容易计算。然后,我们就将句子和其长度保存在multimap中。

            if (s.length() > 0) {
                const auto words (count(begin(s), end(s), ' ') + 1);
                ret.emplace(make_pair(words, move(s)));
            }
  9. 对于下一次循环迭代,我们将会让it1指向it2的后一个字符。然后将it2指向下一个句号。

            it1 = next(it2, 1);
            it2 = find(it1, end_it, '.');
        } 
  10. 循环结束后,multimap包含所有句子以及他们的长度,这里我们将其返回。

    	return ret;
    }
  11. 现在,我们来写主函数。首先,我们让std::cin不要跳过空格,因为我们需要句子中有空格。为了读取整个文件,我们使用std::cin包装的输入流迭代器初始化一个std::string实例。

    int main()
    {
        cin.unsetf(ios::skipws);
        string content {istream_iterator<char>{cin}, {}};
  12. 只需要打印multimap的内容,在循环中调用get_sentence_stats,然后打印multimap中的内容。

        for (const auto & [word_count, sentence]
        		: get_sentence_stats(content)) {
       	 cout << word_count << " words: " << sentence << ".\n";
        }
    }
  13. 编译完成后,我们可以使用一个文本文件做例子。由于长句子的输出量很长,所以先把最短的句子打印出来,最后打印最长的句子。这样,我们就能首先看到最长的句子。

    $ cat lorem_ipsum.txt | ./sentence_length
    ...
    10 words: Nam quam nunc, blandit vel, luctus pulvinar,
    hendrerit id, lorem.
    10 words: Sed consequat, leo eget bibendum sodales,
    augue velit cursus nunc,.
    12 words: Cum sociis natoque penatibus et magnis dis
    parturient montes, nascetur ridiculus mus.
    17 words: Maecenas tempus, tellus eget condimentum rhoncus,
    sem quam semper libero, sit amet adipiscing sem neque sed ipsum.
    

How it works...

整个例子中,我们将一个很长的字符串,分割成多个短句,从而评估每个句子的长度,并且在multimap中进行排序。因为std::multimap很容易使用,所以变成较为复杂的部分就在于循环,也就是使用迭代器获取每句话的内容。

const auto end_it (end(content));

// (1) Beginning of string
auto it1 (begin(content)); 

// (1) First '.' dot
auto it2 (find(it1, end_it, '.')); 
while (it1 != end_it && std::distance(it1, it2) > 0) {
    string sentence {it1, it2};
    // Do something with the sentence string...
    
    // One character past current '.' dot
    it1 = std::next(it2, 1); 
    
    // Next dot, or end of string
    it2 = find(it1, end_it, '.'); 
}

将代码和下面的图结合起来可能会更好理解,这里使用具有三句话的字符串来举例。

it1it2总是随着字符串向前移动。通过指向句子的开头和结尾的方式,确定一个句子中的内容。std::find算法会帮助我们寻找下一个句号的位置。

std::find的描述:

从当前位置开始,返回首先找到的目标字符迭代器。如果没有找到,返回结束迭代器。

这样我们就获取了一个句子,然后通过构造对应字符串的方式,将句子的长度计算出来,并将长度和原始句子一起插入multimap中。我们使用句子的长度作为元素的键,原句作为值存储在multimap中。通常一个文本中,长度相同的句子有很多。这样使用std::map就会比较麻烦。不过std::multimap就没有重复键值的问题。这些键值也是排序好的,从而能得到用户们想要的输出。

There's more...

将整个文件读入一个大字符串中后,遍历字符串时需要为每个句子创建副本。这是没有必要的,这里可以使用std::string_view来完成这项工作,该类型我们将会放在后面来介绍。

另一种从两个句号中获取句子的方法就是使用std::regex_iterator(正则表达式),我们将会在后面的章节中进行介绍。