C语言做的文本词频数量统计功能

文本词频统计器

这是一个用C语言编写的程序，用于对文本进行词频统计。它能够读取文本文件，统计每个单词的出现次数，最后输出频率最高的10个单词。

功能特点

• 读取文本文件（支持.txt等文本格式）
• 自动识别单词（字母和数字组合）
• 忽略大小写差异
• 统计每个单词的出现次数
• 按出现频率排序
• 输出前10个高频单词
• 支持大文件处理

编译方法

gcc -Wall -Wextra -std=c99 -O2 -o word_frequency word_frequency.c

使用方法

基本用法

./word_frequency 

示例

# 使用提供的示例文件
./word_frequency sample.txt

# 使用自己的文本文件
./word_frequency my_text.txt

Windows用户

# 编译
gcc -o word_frequency.exe word_frequency.c

# 运行
word_frequency.exe sample.txt

输出示例

正在读取文件: sample.txt
文件读取成功，开始分析...

=== 词频统计结果 ===
排名    单词           出现次数
--------------------------------
1       the            8
2       dog            4
3       lazy           4
4       fox            3
5       quick          3
6       brown          3
7       jumps          2
8       over           2
9       was            2
10      testing        2

总共统计了 45 个不同的单词

程序特性

1. 智能单词识别：程序会自动识别由字母和数字组成的单词
2. 大小写不敏感：所有单词都会被转换为小写进行统计
3. 高效排序：使用快速排序算法对结果进行排序
4. 内存管理：动态分配内存，支持大文件处理
5. 错误处理：包含完善的错误处理机制

技术实现

• 使用结构体存储单词和计数
• 动态内存分配处理文件内容
• 快速排序算法进行结果排序
• 标准C库函数进行文件操作和字符串处理

文件说明

• word_frequency.c - 主程序源代码
• sample.txt - 示例文本文件
• README.md - 说明文档

系统要求

• C编译器（如GCC、Clang等）
• 支持C99标准
• 足够的可用内存（取决于文本文件大小）

注意事项

• 程序最多支持统计10000个不同的单词
• 单个单词最大长度为100个字符
• 确保输入文件存在且可读
• 程序会忽略标点符号，只统计字母数字组合