C++词频统计单词重复显示及文件误提示问题排查

问题1：大小写单词重复统计（如the与The分别计数） #

原因 #

C++中std::string的默认比较逻辑区分大小写，"the"和"The"会被当作两个独立的键存入map，导致重复统计。

解决方法 #

清理掉单词中的非字母字符后，将所有字符统一转换为小写（或大写），再存入map。需要引入<cctype>头文件来使用tolower函数。

修改代码片段：

// 清理非字母字符后添加：
for (char& c : word) {
    c = tolower(static_cast<unsigned char>(c));
}

问题2：文件正常读取却打印"could not open file"提示 #

原因 #

代码仅在文件未打开时打印错误提示，但未终止程序。如果输出文件打开失败但输入文件正常，程序会继续执行统计逻辑，导致用户看到错误提示却有正常输出的矛盾情况。

解决方法 #

打印错误提示后立即终止程序，避免后续代码执行。同时优化提示信息，明确指出是输入还是输出文件打开失败。

修改代码片段：

if(!fs.is_open() || !output.is_open()){
    if (!fs.is_open()) {
        cout << "could not open input file" << endl;
    }
    if (!output.is_open()) {
        cout << "could not open output file" << endl;
    }
    return 1; // 终止程序
}

另外，原代码中写入输出文件的循环错误使用cout而非output，需修正：

// 原错误代码：
for(int i = 0; i < 30; i++){
    cout << v[i].second << " : " << v[i].first << " times" << endl;
}
// 修改为：
for(int i = 0; i < 30; i++){
    output << v[i].second << " : " << v[i].first << " times" << endl;
}

完整修改后的代码 #

#include <iostream>
#include <vector>
#include <map>
#include <iterator>
#include <fstream>
#include <cctype>
#include <algorithm>
using namespace std;

int main(){
  
  fstream fs, output;
  fs.open("/Users/brah79/Downloads/skola/c++/inlämningsuppgifter/labb4/L4_wc/hitchhikersguide.txt");
  output.open("/Users/brah79/Downloads/skola/c++/inlämningsuppgifter/labb4/labb4/output.txt");
  
  if(!fs.is_open() || !output.is_open()){
    if (!fs.is_open()) {
        cout << "could not open input file" << endl;
    }
    if (!output.is_open()) {
        cout << "could not open output file" << endl;
    }
    return 1;
  }

  map<string, int> mp; 
  string word; 
  while(fs >> word){

    for(int i = 0; i < word.length(); i++){
        if(!isalpha(static_cast<unsigned char>(word[i]))){
            word.erase(i--, 1);
        }
    }
    if(word.empty()){
        continue; 
    }

    for (char& c : word) {
        c = tolower(static_cast<unsigned char>(c));
    }
  
    mp[word]++; 
  }

  vector<pair<int, string>> v;
  v.reserve(mp.size());

  for (const auto& p : mp){
    v.emplace_back(p.second, p.first);
  }

  sort(v.rbegin(), v.rend()); 

  cout << "These are the 30 most frequent words: " << endl; 
  for(int i = 0; i < 30 && i < v.size(); i++){
      cout << v[i].second << " : " << v[i].first << " times" << endl;
  }

  output << "These are the 30 most frequent words: " << endl; 
  for(int i = 0; i < 30 && i < v.size(); i++){
      output << v[i].second << " : " << v[i].first << " times" << endl;
  }
 
  return 0; 
}

修复后的输出效果 #

重复的大小写单词会被合并统计，例如"the"的计数会变为2230+307=2537次，不再出现"The"单独条目；同时只有当文件确实打不开时才会打印错误提示并退出，不会出现矛盾输出。

内容的提问来源于stack exchange，提问作者sam