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，如何以优化的方式查找字母 A-Z 的出现(忽略大小写)？ C++/C 中可能有哪些不同的实现？

一个实现是:

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

我认为没有多少优化余地。

• 不是为每个元素计算 tolower()-'A'，而是计算每个字符的出现次数(在 char[256] 累加器中)，并在之后进行 case-aware 计算(可能更有效，也可以不试)。

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

例如:

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

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