文本统计分析 - 华为OD统一考试(C卷)

OD统一考试（C卷）

分值： 200分

题解： Java / Python / C++

alt

题目描述

有一个文件, 包含以一定规则写作的文本, 请统计文件中包含的文本数量

规则如下

文本以";“分隔，最后一条可以没有”;"，但空文本不能算语句，比如"COMMAND A; ;"只能算一条语句.
注意, 无字符/空白字符/制表符都算作"空"文本
文本可以跨行, 比如下面, 是一条文本, 而不是三条
COMMAND A
AND
COMMAND B;
文本支持字符串, 字符串为成对的单引号(')或者成对的双引号(“), 字符串可能出现用转义字符(\)处理的单双引号(比如"your input is: \”")和转义字符本身, 比如
COMMAND A “Say \“hello\””;
支持注释, 可以出现在字符串之外的任意位置, 注释以"–“开头, 到换行结束, 比如
COMMAND A; – this is comment
COMMAND – comment
A AND COMMAND B;
注意, 字符串内的”–", 不是注释

输入描述

文本文件

输出描述

包含的文本数量

示例1

输入：
COMMAND TABLE IF EXISTS "UNITED STATE";
COMMAND A GREAT (
    ID ADSAB,
    download_length INTE-GER,  -- test
    file_name TEXT,
    guid TEXT,
    mime_type TEXT,
    notifica-tionid INTEGER,
    original_file_name TEXT,
    pause_reason_type INTEGER,
    resumable_flag INTEGER,
    start_time INTEGER,
    state INTEGER,
    folder TEXT,
    path TEXT,
    total_length INTE-GER,
    url TEXT
);

输出：
2

题解

这个问题可以通过使用有限状态机（Finite State Machine, FSM）来解决。

我们可以定义四种状态：正常文本、双引号字符串、单引号字符串和注释内容。

然后，我们遍历输入的每一行，根据当前字符和状态来决定下一个状态以及是否需要增加文本计数。

Java

java">/**
 * @author code5bug
 */
public class Main {
    enum State {  // 表示四种状态：双引号字符串，单引号字符串，注释内容， 正常文本
        DoubleStr, SingleStr, Comment, Normal
    }

    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);

        // 前一个字符， 这次初始化为 ';' 是为了避免第一个字符就是 ';' 导致文本计机数不准
        char pre = ';';
        State state = State.Normal;

        int result = 0;
        while (in.hasNext()) {
            char[] cs = in.nextLine().toCharArray();
            for (char c : cs) {
                if (Character.isWhitespace(c)) continue;  // 空白符

                if (state == State.Normal) {
                    if (pre == '-' && c == '-') {  // 注释内容
                        state = State.Comment;
                    } else if (c == '\"') {  // 双引号开始的字符串
                        state = State.DoubleStr;
                    } else if (c == '\'') {  // 单引号开始的字符串
                        state = State.SingleStr;
                    } else if (c == ';') { // 遇到分割符
                        // 不是相邻的 ';' 则 + 1
                        if (pre != ';') result++;
                    }
                } else if (state == State.DoubleStr && c == '\"') { // 字符串双引号结束
                    state = State.Normal;
                } else if (state == State.SingleStr && c == '\'') { // 字符串单引号结束
                    state = State.Normal;
                }

                pre = c;
            }

            if (state == State.Comment) {  // 注释只到行结尾
                state = State.Normal;
            }
        }

        if (pre != ';') result++;  // 结尾的 ;

        System.out.println(result);
    }
}

Python

python">import sys

# 表示四种状态：双引号字符串，单引号字符串，注释内容， 正常文本
DoubleStr, SingleStr, Comment, Normal = 1, 2, 3, 4

text_cnt = 0  # 文本计数器
state = Normal  # 初始状态为正常文本
pre = ';'  # 前一个字符， 这次初始化为 ';' 是为了避免第一个字符就是 ';' 导致文本计机数不准

for line in sys.stdin:
    for c in line:
        # 　如果 c 为空字符\制表符
        if c.isspace():
            continue

        if state == Normal:
            if c == '"':  # 开始双引号字符串
                state = DoubleStr
            elif c == "'":  # 开始单引号字符串
                state = SingleStr
            elif c == '-' and pre == '-':  # 开始注释内容
                state = Comment
            elif c == ';' and pre != ';':  # 遇到; 分割
                text_cnt += 1
        elif state == DoubleStr and c == '"':  # 双引号字符串结束
            state = Normal
        elif state == SingleStr and c == "'":  # 单引号字符串结束
            state = Normal

        pre = c

    # 注释只到行结尾
    if state == Comment:
        state = Normal

# 结尾的 ; 分割
if pre != ';':
    text_cnt += 1

print(text_cnt)

C++

#include <bits/stdc++.h>
using namespace std;

enum class State
{
    // 双引号字符串， 单引号字符串， 注释， 正常文本
    double_str,
    single_str,
    comment,
    normal
};

int main()
{
    int    text_cnt = 0;   // 文本数量
    string line;

    State state = State::normal;

    // 前一个字符， 这次初始化为 ';' 是为了避免第一个字符就是 ';' 导致文本计机数不准
    char pre = ';';
    while (getline(cin, line)) {
        for (char c : line) {
            // 空字符
            if (isspace(c)) continue;

            if (state == State::normal) {
                if (c == '"') {   // 开始双引号字符串
                    state = State::double_str;
                } else if (c == '\'') {   // 开始单引号字符串
                    state = State::single_str;
                } else if (c == '-' && pre == '-') {   // 开始注释内容
                    state = State::comment;
                } else if (c == ';' && pre != ';') {   // 遇到; 分割
                    text_cnt++;
                }
            } else if (state == State::double_str && c == '"') {   // 双引号字符串结束
                state = State::normal;
            } else if (state == State::single_str && c == '\'') {   // 单引号字符串结束
                state = State::normal;
            }

            pre = c;
        }

        if (state == State::comment) {
            state = State::normal;
        }
    }

    // 结尾的 ;
    if (pre != ';') text_cnt++;

    cout << text_cnt << endl;

    return 0;
}