问题标签 [word-count]

我已经设法以非分布式模式运行 Hadoop wordcount 示例；我在一个名为“part-00000”的文件中得到输出；我可以看到它列出了所有组合输入文件的所有单词。

在跟踪 wordcount 代码后，我可以看到它需要行并根据空格分割单词。

我正在想办法只列出多个文件中出现的单词及其出现次数？这可以在 Map/Reduce 中实现吗？-添加-这些更改是否合适？

这给出了 txt 文件的数量。在我的程序中，如何将此输出放入变量中，例如“count”

我一直在尝试执行一些允许我“仅”列出多个文件中存在的单词的代码；到目前为止我所做的是使用 wordcount 示例和感谢 Chris White 我设法编译它。我尝试在这里和那里阅读以使代码正常工作，但我得到的只是一个没有数据的空白页。映射器假设收集每个单词及其对应的位置；减速器应该收集常用词关于可能是什么问题的任何想法？代码是：

我错过了什么吗？非常感谢...我的 Hadoop 版本：0.20.203

我刚刚在一个小型集群上成功安装了 Hadoop。现在我正在尝试运行 wordcount 示例，但出现此错误：

有什么帮助吗？

我不确定这里出了什么问题，但我正在尝试计算富文本框中的单词，并用标签显示它。

我在选项卡控件中放置了一个富文本框，这样我就可以拥有一个选项卡式文本框。这似乎使这变得更加困难，那么它应该

这也不是整个程序，我拿了与richtextbox和字计数器有关的部分

任何帮助表示赞赏:)

我是一名初出茅庐的 C 程序员，我编写了这个程序来计算第 2 版 K&R 1.5.4 的字数。我的 if 语句有问题吗？该代码似乎在不应该增加变量时增加了变量，因为它不符合初始测试。

这导致：

我修改的K&R代码：

K&R 代码导致：

当我的代码不满足第一个 if 语句中的测试时，它如何在处理“Hello”之后的第二个空格 (0x20) 时增加 word/nw？即使它确实到达了第二个 if 语句，我也会假设它将“状态”变量设置为 1(IN)。我在这里遗漏了一些重要的东西。我非常感谢提供的任何帮助。谢谢你。

我有一个大文本文件（大小远高于 1G），我想使用 Java 来计算该文件中某个单词的出现次数。文件中的文本写在一行上，因此可能无法逐行检查。解决这个问题的最佳方法是什么？

我刚刚学了一点COM，我知道VBA编程是基于MS提供的COM组件。但我现在不知道如何用 c++ 编程 office，因为我不知道如何为我的 c++ 程序导入类型库或其他东西。这是我的代码来计算一个doc文件的单词，但是失败了，你能帮我纠正一下吗，谢谢。

我正在尝试处理python中的多线程。我有工作代码计算字数、文本行数，并创建一个包含每个字数的字典。它在代码注释中提到的小文件上运行得很快。但是我通常使用 glob 来拉入多个文件。当我这样做时，我的运行时间显着增加。同时，由于我的脚本是单线程的，我看到我有 3 个其他内核处于空闲状态，而其中一个已达到最大值。

我想我会给 pythons 多线程模块一个镜头，这是我到目前为止所做的（非工作）：

对于那些尝试此代码的人，它不起作用。我假设我需要将输入文件分成块并以某种方式合并输出。? 映射/减少？也许有一个更简单的解决方案？

编辑：

也许是这样的：

1. 打开文件，
2. 把它分成几块
3. 将每个块提供给不同的线程
4. 获取计数并在每个块上构建 dict
5. 合并计数/字典
6. 返回结果

在试图弄清楚如何拥有一个有效的字符串单词计数器之后，我知道 PHP 具有的现有功能，str_word_count但不幸的是它没有做我需要它做的事情，因为我需要计算包含英语的单词数量、中文、日文等重音字符。

但是str_word_count，除非您在第三个参数中添加字符，否则无法计算单词的数量，但这太疯狂了，这可能意味着我必须添加中文、日语、重音字符（等）语言中的每个字符，但这不是我的需要。

测试：

无论如何，我在网上找到了这个功能，它可以完成这项工作，但遗憾的是它没有计数：

测试：

基本上我正在寻找一个好的 UTF-8 支持的单词计数器，它可以计算每个典型单词/重音/语言符号中的单词 - 有没有可能的解决方案？