实现写作风格助手用来查找文本中很长的句子——std::multimap

当有超级多的元素需要排序时，某些键值描述可能会出现多次，那么使用std::multimap完成这项工作无疑是个不错的选择。

先找个应用场景：当使用德文写作时，使用很长的句子是没有问题的。不过，使用英文时，就不行了。我们将实现一个辅助工具来帮助德国作家们分析他们的英文作品，着重于所有句子的长度。为了帮助这些作家改善其写作的文本风格，工具会按句子的长度对每个句子进行分组。这样作家们就能挑出比较长的句子，然后截断这些句子。

How to do it...

本节中，我们将从标准输入中获取用户输入，用户会输入所有的句子，而非单词。然后，我们将这些句子和其长度收集在std::multimap中。之后，我们将对所有句子的长度进行排序，打印给用户看。

包含必要的头文件。std::multimap和std::map在同一个头文件中声明。
```
#include <iostream>
#include <iterator>
#include <map>
#include <algorithm>
```
声明所使用的命名空间。
```
using namespace std;
```

我们使用句号将输入字符串分成若干个句子，句子中的每个单词以空格隔开。句子中的一些对于句子长度无意义的符号，也会计算到长度中，所以，这里要使用辅助函数将这些符号过滤掉。

string filter_ws(const string &s)
{
    const char *ws {" \r\n\t"};
    const auto a (s.find_first_not_of(ws));
    const auto b (s.find_last_not_of(ws));
    if (a == string::npos) {
        return {};
    }
    return s.substr(a, b);
}

计算句子长度函数需要接收一个包含相应内容的字符串，并且返回一个std::multimap实例，其映射了排序后的句子长度和相应的句子。
```
multimap<size_t, string> get_sentence_stats(const string &content)
{
```
这里声明一个multimap结构，以及一些迭代器。在计算长度的循环中，我们需要end迭代器。然后，我们使用两个迭代器指向文本的开始和结尾。所有句子都在这个文本当中。
```
    multimap<size_t, string> ret;
    const auto end_it (end(content));
    auto it1 (begin(content));
    auto it2 (find(it1, end_it, '.'));
```
it2总是指向句号，而it1指向句子的开头。只要it1没有到达文本的末尾就好。第二个条件就是要检查it2是否指向字符。如果不满足这些条件，那么就意味着这两个迭代器中没有任何字符了：
```
    while (it1 != end_it && distance(it1, it2) > 0) {
```
我们使用两个迭代器间的字符创建一个字符串，并且过滤字符串中所有的空格，只是为了计算句子纯单词的长度。
```
        string s {filter_ws({it1, it2})};
```
当句子中不包含任何字符，或只有空格时，我们就不统计这句。另外，我们要计算有多少单词在句子中。这很简单，每个单词间都有空格隔开，单词的数量很容易计算。然后，我们就将句子和其长度保存在multimap中。
```
        if (s.length() > 0) {
            const auto words (count(begin(s), end(s), ' ') + 1);
            ret.emplace(make_pair(words, move(s)));
        }
```
对于下一次循环迭代，我们将会让it1指向it2的后一个字符。然后将it2指向下一个句号。
```
        it1 = next(it2, 1);
        it2 = find(it1, end_it, '.');
    }
```
循环结束后，multimap包含所有句子以及他们的长度，这里我们将其返回。
```
    return ret;
}
```
现在，我们来写主函数。首先，我们让std::cin不要跳过空格，因为我们需要句子中有空格。为了读取整个文件，我们使用std::cin包装的输入流迭代器初始化一个std::string实例。
```
int main()
{
    cin.unsetf(ios::skipws);
    string content {istream_iterator<char>{cin}, {}};
```

只需要打印multimap的内容，在循环中调用get_sentence_stats，然后打印multimap中的内容。

    for (const auto & [word_count, sentence]
            : get_sentence_stats(content)) {
        cout << word_count << " words: " << sentence << ".\n";
    }
}

编译完成后，我们可以使用一个文本文件做例子。由于长句子的输出量很长，所以先把最短的句子打印出来，最后打印最长的句子。这样，我们就能首先看到最长的句子。

$ cat lorem_ipsum.txt | ./sentence_length
...
10 words: Nam quam nunc, blandit vel, luctus pulvinar,
hendrerit id, lorem.
10 words: Sed consequat, leo eget bibendum sodales,
augue velit cursus nunc,.
12 words: Cum sociis natoque penatibus et magnis dis
parturient montes, nascetur ridiculus mus.
17 words: Maecenas tempus, tellus eget condimentum rhoncus,
sem quam semper libero, sit amet adipiscing sem neque sed ipsum.

How it works...

整个例子中，我们将一个很长的字符串，分割成多个短句，从而评估每个句子的长度，并且在multimap中进行排序。因为std::multimap很容易使用，所以变成较为复杂的部分就在于循环，也就是使用迭代器获取每句话的内容。

const auto end_it (end(content));

// (1) Beginning of string
auto it1 (begin(content)); 

// (1) First '.' dot
auto it2 (find(it1, end_it, '.')); 
while (it1 != end_it && std::distance(it1, it2) > 0) {
    string sentence {it1, it2};
    // Do something with the sentence string...

    // One character past current '.' dot
    it1 = std::next(it2, 1); 

    // Next dot, or end of string
    it2 = find(it1, end_it, '.'); 
}

将代码和下面的图结合起来可能会更好理解，这里使用具有三句话的字符串来举例。

it1和it2总是随着字符串向前移动。通过指向句子的开头和结尾的方式，确定一个句子中的内容。std::find算法会帮助我们寻找下一个句号的位置。

std::find的描述：
从当前位置开始，返回首先找到的目标字符迭代器。如果没有找到，返回结束迭代器。

这样我们就获取了一个句子，然后通过构造对应字符串的方式，将句子的长度计算出来，并将长度和原始句子一起插入multimap中。我们使用句子的长度作为元素的键，原句作为值存储在multimap中。通常一个文本中，长度相同的句子有很多。这样使用std::map就会比较麻烦。不过std::multimap就没有重复键值的问题。这些键值也是排序好的，从而能得到用户们想要的输出。

There's more...

将整个文件读入一个大字符串中后，遍历字符串时需要为每个句子创建副本。这是没有必要的，这里可以使用std::string_view来完成这项工作，该类型我们将会放在后面来介绍。

另一种从两个句号中获取句子的方法就是使用std::regex_iterator(正则表达式)，我们将会在后面的章节中进行介绍。

Previous实现词频计数器——std::map Next实现个人待办事项列表——std::priority_queue

Last updated 4 years ago