您现在的位置：程式碼之家 >> 編程語言 > >> C語言 >> 關於C語言

C 語言統計單詞長度與字元頻率：直方圖實現完解析（K&R 習題精講）

編輯：關於C語言

緣起：K&R 經典習題

《C 程序設計語言》（K&R）第 1 章習題要求：

編寫程序，打印輸入中**單詞長度**的直方圖。
編寫程序，打印輸入中**各字元出現頻率**的直方圖。

本文以題目 1 為主線，詳細拆解「狀態機 + 計數陣列」的核心思路，並給出完整、可運行、符合現代規範的代碼。

核心思路：有限狀態自動機（FSA）

輸入流可視為字元序列。單詞邊界由**空白字元**（空格、換行、製表符）分隔。掃描時只需兩個狀態：

IN：正在讀取單詞內部（未遇到空白）
OUT：處於單詞之間（剛遇到空白）

狀態轉移：

OUT

IN

nc = 1

IN

nc++

IN

nc

OUT

nc = 0

OUT

資料結構設計

MAXWORD：假設單詞最大長度（如 30）。超長單詞歸入 overflow 計數。
wl[MAXWORD + 1]：wl[i] 存儲長度為 i 的單詞個數。索引 0 不用，對齊語義。
overflow：長度超過 MAXWORD 的單詞計數。

完整代碼（C99 標準，含註釋）

#include <stdio.h>

#define MAXWORD 30   // 單詞最大長度，可調大
#define IN      1    // 在單詞內
#define OUT     0    // 在單詞外

int main(void) {
    int c;               // 當前字元（用 int 接受 EOF）
    int nc = 0;          // 當前單詞長度
    int state = OUT;     // 狀態
    int overflow = 0;    // 超長單詞計數
    int wl[MAXWORD + 1]; // 長度統計陣列，wl[0] 不用

    // 初始化
    for (int i = 1; i <= MAXWORD; ++i) wl[i] = 0;

    // 掃描輸入流
    while ((c = getchar()) != EOF) {
        if (c == ' ' || c == '\n' || c == '\t') { // 遇到分隔符
            if (state == IN) {                    // 剛結束一個單詞
                if (nc <= MAXWORD) ++wl[nc];
                else ++overflow;
                nc = 0;
            }
            state = OUT;
        } else {                                   // 非分隔符
            if (state == OUT) {                    // 進入新單詞
                state = IN;
                nc = 1;
            } else {                               // 繼續當前單詞
                ++nc;
            }
        }
    }

    // 輸出直方圖（橫向數字版，易於驗證）
    printf("單詞長度分佈直方圖：\n");
    for (int i = 1; i <= MAXWORD; ++i) {
        if (wl[i] > 0) {
            printf("%2d: %3d ", i, wl[i]);
            // 可選：打印星號條
            // for (int k = 0; k < wl[i]; ++k) putchar('*');
            putchar('\n');
        }
    }
    if (overflow) printf("超過 %d 字元的單詞：%d 個\n", MAXWORD, overflow);

    return 0;
}

關鍵細節解析

getchar() 返回 int：必須用 int c 接收，以區分 EOF（通常為 -1）與合法字元（0~255）。
陣列索引從 1 開始：wl[1] 對應長度 1，語義直觀，wl[0] 棄用。
邊界處理：輸入結束時若處於 IN 狀態，最後一個單詞不會被統計。修正：循環結束後補一段：
```
if (state == IN) { // 處理文件末尾無分隔符的情況
    if (nc <= MAXWORD) ++wl[nc];
    else ++overflow;
}
```
直方圖視覺化：可將數字改為星號條，或縱向打印（需先求最大值再分行）。

題目 2：字元頻率直方圖（思路同構）

只需將「單詞長度」換為「字元 ASCII 碼」，狀態機簡化為無狀態計數：

int freq[256] = {0}; // 覆蓋擴展 ASCII
while ((c = getchar()) != EOF) ++freq[(unsigned char)c];
// 輸出可見字元頻率
for (int i = 32; i < 127; ++i)
    if (freq[i]) printf("'%c' (%3d): %d\n", i, i, freq[i]);

現代化擴展建議

動態陣列：用 realloc 替代固定 MAXWORD，支援任意長度單詞。
Unicode/UTF-8：將 char 升級為 uint32_t（Code Point），使用 icu 或手寫 UTF-8 解碼器統計字素簇長度。
多執行緒：大文件可分塊並行統計，最後合併陣列（Map-Reduce 思想）。
單元測試：構造已知輸入（含邊界：空文件、無分隔符、超長單詞），驗證輸出。