c++ - 计算文件中每个字母的出现次数？

Question

即使文件大小高达 4GB 或更大，如何以优化的方式找到字母 AZ 的出现（忽略大小写）？C++/C 中可能有哪些不同的实现？

一种实现是：

伪代码

A[26]={0}
loop through each character ch in file
If isalpha(ch)
     A[tolower(ch)-'A']+ = 1
End If
end loop

Answer 1

我认为剩下的优化不多。

• 无需计算tolower()-'A'每个元素，只需计算每个字符的出现次数（在char[256]累加器中），然后进行区分大小写的计算（可能更有效，只是尝试）。

• 一定要使用缓冲输入（fopen，也许用 分配更大的缓冲区setvbuf）。

例如：

acum[256]={0}
loop through each character 'c' in file
     acum[c]++
end loop
group counts corresponding to same lowercase/uppercase letters

另外，请记住，这假定为 ASCII 或派生（一个八位字节 = 一个字符）编码。

Answer 2

对于 4GB，这不会是瞬时的。我知道如何更快地做你正在做的事情。

此外，您的代码不会处理制表符、空格或其他字符。您需要使用isalpha()并且仅在返回 true 时才增加计数。

请注意，这isalpha()是非常快的。但是，再一次，这个代码在输入非常大的情况下不会是瞬时的。

TCHAR a[26] = { 0 };

for (int i = 0; i < length; i++)
{
    if (isalpha(text[i]))
    {
        a[tolower(text[i]) - 'a']++;
    }
}