Perl：单词的频率和单词的前十名列表

Question

我正在努力制作一个 perl 脚本，请注意我对此很陌生..

这是我试图实现的目标：制作一个脚本，该脚本采用 .txt 文件并计算文件中的每个单词。并且当它被计算时，如果文件中的前 10 个单词显示每个单词我计算了多少次，那么这些单词会列出一个列表。

这就是我到目前为止所做的，我能够让脚本计算单词以及它们出现的次数。现在我需要进入前十名，我真的不知道在哪里以及如何去做。这是一个家庭作业，所以我不希望/期望你为我解决它，只是给我一些关于从哪里开始的指示。

感谢您的帮助（提前）

---

10 月 15 日更新

好的，一切都很好，但是..

现在它只是在一行中打印所有内容。我需要它像这样打印它：

4 字
3 下一个词
2 下一个单词

你明白了..

---

我想我明白了……我想：P

....................................

#! /usr/bin/perl

use utf8;


print ("Vilken fil?\n");
my $filen = @ARGV ? shift(@ARGV) : <STDIN>;
chomp $filen;

my %freq;

open my $DATA, $filen or die "Hittade inte den filen!";


while(<$DATA>) {

    s/[;:()".,!?]/ /gio;    
    foreach $word(split(' ', lc $_)) {  
    $freq{$word}++;                  
     }
}

@listing = (sort { $freq{$b} <=> $freq{$a} } keys %freq)[0..9];
foreach my $word (@listing )
    { print $freq{$word}." $word\n"; };

Answer 1

查看 Perl 排序功能的文档：

http://perldoc.perl.org/functions/sort.html

它有一个表单，可以让您指定一个代码块来定义元素的顺序。您可以使用它来按频率而不是按单词的字母顺序对列表进行排序。

文档包括这个例子：

# this sorts the %age hash by value instead of key
# using an in-line function
@eldest = sort { $age{$b} <=> $age{$a} } keys %age;

您应该能够根据自己的问题调整这种模式。

获得前十名列表的最有效方法可能是随时跟踪前十名：每次计算计数时，检查它是否属于前十名，如果是，则将其插入正确的位置，可能会敲掉列表中的底部项目。这样，无论字典有多大，您一次只需要跟踪十个单词的顺序。不过，我不知道您是否需要这种额外的效率。

顺便说一句，我在几次求职面试中都看到过这种问题，所以掌握一下是一件好事。

Answer 2

基于 Nate 的回答，您可以使用切片提取前 10 个元素：

@eldest = (排序 { $age{$b} $age{$a} } 键 %age)[0..9];

Answer 3

哈，当我读完你的问题描述时，我知道这是某种家庭作业！ :)

下一步，您必须扫描 %count 哈希并确定哪些单词出现次数最多。

最幼稚的方法是扫描列表 10 次；每次，找到计数最高的一个并将其存储在前十名列表中，然后将其从 %count 中删除（或将其设置为 0 也可以）。

如果你想更有野心，你可以实现一个排序函数，对 %count 个条目进行排序，然后前 10 个将放在一起。

我的 Perl 生锈了，但 Perl 库甚至可能为您提供一些功能。一般来说，绝对值得您花时间浏览一下图书馆参考资料以熟悉可用的内容。