如何在C中计算字符串中字符的频率

Question

我找到了计算字符串中字符频率的代码，但是，它们都使用同一行代码，没有解释它的含义。有人可以请教我吗？

这是一个例子：

int c = 0, count[26] = {0}, x;

while (string[c] != '\0') {
/** Considering characters from 'a' to 'z' only and ignoring others. */

  if (string[c] >= 'a' && string[c] <= 'z') {
     x = string[c] - 'a';
     count[x]++;
  }

我知道循环将遍历字符串直到它到达末尾。 我也得到了 if 语句，因为它只将它限制在 a 和 z 之间。 但是，我不知道x = string[c] -'a' 在做什么，为什么要减去'a'？ 我也不明白count[26]的目的是什么。

我从这里得到这个程序：

https://www.programmingsimplified.com/c-program-find-characters-frequency

任何帮助将非常感谢。

Answer 1

TL;DR利用了 ASCII 表。

代码只接受从a到z的字符：

if (string[c] >= 'a' && string[c] <= 'z') 

因此它创建了一个包含 26 个位置的数组（即count[26]）来存储这些相同字符的频率。以下

   x = string[c] - 'a';

将 string[c] 转换为 int；事实可以用来利用ASCII table。

根据 ASCII 表，字母 'a' 到 'z' 分别由从 97 到 112 的 int 值表示。因此，由于 C 中的数组以 0 开头，我们需要将 97 元素从 string[c] 返回的值向左移动，即：

 x = string[c] - 97;

可以表示为

 x = string[c] - 'a';

有了这个技巧如果string[c]是'a'那么：

 x = 'a' - 'a';

转换为x = 97 - 97，然后是x = 0；因此，

count[x]++; 是 count[0]++;

将数组count 的位置0 加1，该位置被“保留”到字母'a'。同样的逻辑适用于从“a”到“z”的所有其他字母。

但请记住，并引用Eric Postpischil：

C 实现中使用的字符代码不一定有 所有字母连续。 ASCII 确实很常见，但不是 标准要求。

因此，如果您的编码是 ASCII，此解决方案将有效。

Answer 2

count[26] 是频率表。 count[0] 是 a 的出现次数。 count[1] 是b 的出现次数等...

将count 数组初始化为全零值

count[26] = {0}

虽然不在字符串的末尾。请记住，C 字符串总是以空字符 (\0) 结尾。

while (string[c] != '\0') {     

判断 string[c] 处的字符是否介于 a 和 z 之间

  if (string[c] >= 'a' && string[c] <= 'z') {

将此字符的 ascii 值（介于 97 到 122 之间）标准化为 0 到 25 之间的值。a 在数学表达式中计算时为 97。

     x = string[c] - 'a';

使用上面计算的x 值，将其用作count 表的索引 将 count[x] 中的任何值增加 1。

     count[x]++;

此代码示例中缺少的是 c 递增 1 以使 string[c] 引用字符串中的下一个字符的地方。

Answer 3

在 ASCII 数据库中，'a' 到 'z' 有从 0x61 到 0x7A 的连续数字代码。参看。 man ascii。 因此，如果你减去 'a' 的值，你会得到 0 到 25 之间的数字。这个数字是 count[] 表中的一个索引。

Answer 4

count[26]是一个26个整数的数组，每个整数代表string中从'a'到'z'的小写字母的计数

count[0] 是 'a' 的计数器，count[1] 是 'b' 的计数器等等...

x = string[c] - 'a' 计算并分配给x 在string[c] 找到的字符的索引0-25。 简化：请记住 'a' 是整数 ascii 值 97 十进制。 'a' 的减法是将所有索引从 'a' 减少到 'z' 到 count[] 数组所需的 0 到 25 之间的值。

Answer 5

首先，该代码取决于连续表示的字符 'a' 到 'z'，这很常见但不能保证。

第二，

int c = 0, count[26] = {0}, x;

while (string[c] != '\0') {
/** Considering characters from 'a' to 'z' only and ignoring others. */

  if (string[c] >= 'a' && string[c] <= 'z') {
     x = string[c] - 'a';
     count[x]++;
  }

有几个问题，我想说的是更清楚

#include <ctype.h>

// multiple variables on one line is ***very*** bug prone
// so don't do it
int c = 0;
int count[26] = {0};

// set the input - unsigned is important
unsigned char *string = ...;

// loop until the character pointed at by string is '\0'
while ( *string )
{
  // islower() returns non-zero only if the unsigned char value
  // passed is a lower-case letter.
  //
  // If the input int value  can't be represented as an unsigned
  // char the results are undefined behavior (because tolower() 
  // actually takes an int argument.)
  //
  // signed char will be sign-extended when passed as an int argument
  if ( islower( *string ) )
  {
     // get the "index" of the lower-case letter
     // a -> 0, b -> 1, z -> 25
     // depends on a-z being consecutive - not necessarily true
     int x = *string - 'a';

     // increment the number of times this lower-case character
     // is in this string
     count[x]++;
  }

  // go to the next character in the string
  string++;
}

请注意，我在减少使用的行数方面付出了零努力。将代码塞进更少的行数不会带来任何好处，但会使代码更难阅读，因此更容易出错。

对字符串中的字符进行计数的更好方法：

#include <limits.h>

void countChars( unsigned char *string )
{
    int counts[ UCHAR_MAX ] = { 0 };

    while ( *string )
    {
        counts[ *string ]++;
        string++;
    }
}

如果要计算小写字符：

#include <limits.h>

void countLowerCaseChars( unsigned char *string )
{
    int counts[ UCHAR_MAX ] = { 0 };

    while ( *string )
    {
        counts[ tolower( *string ) ]++;
        string++;
    }
}