помогите мне нужно открыть файл и посчитать в нём сиволы и к

[noa]

помогите мне нужно открыть файл и посчитать в нём сиволы и каждый поотдельности. шлите пожалуйста на noa@ua.fm Заранее благодарен!!!

[Sommer]

noa,
а что значит "и каждый по отдельности?"

[Гром]

noa, мда - задчка однако,

FILE *f;
f = fopen(filename, "r"); // Fikle to read only

while (fread(f,char))
{
// Делать что либо с символами
}
fclose(f);

все - это читает все символы с файла

Причем все и каждый в отдельности.

Могут быть проблемы - я его не компилировал, а формат функции чтения не помню, мож она там что не так возвращает...

[Thinker]

открыть файл и посчитать в нём сиволы и каждый поотдельности

Если это означает подсчет сколько раз каждый символ присутствовал в файле и речь не идет о Unicode, то можно создать массив целых чисел размером в искомый алфавит (в худшем случае - 256), и использовать его как счетчик.
С Unicode задачка становится гораздо интереснее
К делу не относится:
Для любителей структур данных - можно еще и построить частотный индех всех слов в документе, причем документ (в моем случае) был около 1 терабайта - snapshot куска интернета   Причем кодировки там были смешанные и зачастую неправильно помеченные. Было интересно .... 8)

[Гром]

Thinker, все очень просто - завтра протрезвею и вывешу алгоритм на 10 строк больше того, который написан у меня, и сделаю вам подсчет - с условием уникода, или без него - без всяких проблем...

[Alf]

Если это означает подсчет сколько раз каждый символ присутствовал в файле и речь не идет о Unicode, то можно создать массив целых чисел размером в искомый алфавит (в худшем случае - 256), и использовать его как счетчик.
С Unicode задачка становится гораздо интереснее

А вот ежели взять да и завести для хранения счетчиков ассоциативный массив, даже Unicode не внесет желаемого разнообразия. Задачка останется по-прежнему скучной...  

[Гром]

Alf, а она и так скучна, и не в юникоде дело.
Процесс:
1. берется файл - читается весь.
2. Определяется формат.
3. Создается связный список, в котором в зависимости от формата фалйа данное - 1 байт или 2.
Можно и не связный спиок а массив в случае 1 байта символа из 256 позиций - но ломает так делать.
4. Затем банальный перебор позиций для каждого символа.
Принцип подсчета - первый символ фала считается сколько раз втречается и в памяти забивается на соответствующую байду. В нашем случае когда 256 символов - обычно сначала сичтали 0 символы - потом все остальные заменяли на 0.
Для юникода тоже можно взять первый символ - посчитать его содержимое, а потом заменять другие на него - не суть.

И все.
Остается прикол когда файл размером больше оперативки в разы, например 2 Гига.

Тогда пробежку делаем в кусках фала, которые считываем, скажем по 20 мег, или по 100 мег - в зависимости от системы.
Задача ВСЯ - включая работу по связному списку и оформлению в нормальный объект - порядка 100 строк кода максимум.... и то с запасом на всякие там заморочки по улучшению...

Скучно. noa, ты можешь брать на вооружение эту схему - все будет работать как часики.
-----------------------
(кстати если не нужна точность, а порядок, то можно использовать оценочные алгоритмы вот там интереснее...)

[Alf]

Alf, а она и так скучна, и не в юникоде дело.
Процесс:
1. берется файл - читается весь.
2. Определяется формат.
3. Создается связный список, в котором в зависимости от формата фалйа данное - 1 байт или 2.
Можно и не связный спиок а массив в случае 1 байта символа из 256 позиций - но ломает так делать.
4. Затем банальный перебор позиций для каждого символа.
Принцип подсчета - первый символ фала считается сколько раз втречается и в памяти забивается на соответствующую байду. В нашем случае когда 256 символов - обычно сначала сичтали 0 символы - потом все остальные заменяли на 0.
Для юникода тоже можно взять первый символ - посчитать его содержимое, а потом заменять другие на него - не суть.
И все.

Если я правильно понял идею, делается как минимум несколько проходов файла, а именно - столько, сколько различных символов в нем встречается?

Остается прикол когда файл размером больше оперативки в разы, например 2 Гига.

Тогда пробежку делаем в кусках фала, которые считываем, скажем по 20 мег, или по 100 мег - в зависимости от системы.

Сложно... Не в смысле - безумно сложно само по себе, а для решаемой задачи сложновато.
А почему бы не так: берем ассоциативный массив счетчиков, изначально обнуленных. Читаем входной файл поэлементно и инкрементируем счетчик, ассоциированный с этим элементом. Работать должно с любыми кодировками, читать данные однократно и не зависеть от размера входного файла. И по памяти выгадаем: массив счетчиков в любом случае компактнее исходных данных. Если, конечно, не выдумают какую-нибудь всегалактическую кодировку подлиннее Unicode, скажем, 32-битную   Тогда таблица счетчиков тоже распухнет изрядно...
Правда, и перспектива сканировать файл до 4.000.000.000 раз тоже не очень...

[Diletant]

Не понял проблемы

FILE *f;
TCHAR MyChar;
int iCounts[sizeof(MyChar)*8];
int i;

for (i= 0; i < sizeof(MyChar)*8; i++)
{
   iCounts = 0;
}

f = fopen(filename, "rb"); // Fikle to read only

while (fread(f,MyChar))
{
    (iCounts[(int)MyChar])++
}
fclose(f);


Вместо TCHAR может быть какой угодно char.

[Alf]

Не понял проблемы

...
int iCounts[sizeof(MyChar)*8];
...

Не понял эту конструкцию. Судя по всему, это массив счетчиков экземпляров символа?
sizeof(MyChar) вернет размер, занимаемый переменной типа MyChar, в байтах. В случае символов ASCII это будет 1, для Unicode - 2. Соответственно и размерность таблицы будет 8 либо 16. Вроде маловато.
Вот кабы 2 возвести в эту степень, было бы уже ближе к истине, по-моему.

[Гром]

Alf, нет - прозод один - при возможности можно сделать, просто вчера был пъян и фокус не удался

При проходе в один раз - мы делаем проверку на существующий проверенный уже символ - если он был, то тогда увеличиваем его счетчик, если не был то добавляем его в массив и коунтер увеличиваем.

примерно:

#define size_of_file - тут не пишу просто - сичтаем определили размер в байтах filesize().

typedef struct
{
char a[size_of_file];
int   count[size_of_file];
int active_num;

} mystr;

mystr str;
str.active_num = 0;
FILE *f;
f = fopen(filename, "r"); // Fikle to read only
bool flag=false;
while (fread(f,char))
{
for (int i=0; i<active_num; i++)
{
    if (char == str.a)
    {
        str.count++;
        flag = true;
        break;
    }
}
if (flag == false)
{
     active_num++;
     str.a[active_num] = char;
     str.count[active_num] = 1;
} else
{
     flag = false;
}

}
fclose(f);



УСЕ  

[Джон]

Ну... не понимаю как можно осбуждать на основе таких скудных данных, да и noa пропал. Ну да ладно - спонтанно продолжаем разговор, предположив что мы знаем, что ему нужно.

в принципе согласен с Alf и Diletant думаю имеется ввиду одно и то же.

Вопросы к коду Diletant:

Я это место тоже не понял? Думаю так:
int iCounts[sizeof(char)*256];  - число символов для таблицы ANSI.

Обнулить счётчики:
memset(iCounts,0,sizeof(int)*sizeof(char)*256);

и главное:
"(iCounts[(int)MyChar])++" ?

Наверно всё-таки так:

(iCounts[(unsigned char)MyChar])++

тк в С++ char вообщето со знаком, поэтому для символа с кодом > 127 всё вылетает в отрицательную область, да плюс ещё кастинг в 4х байтовый целый!!! Индекс получится сумасшедший.

[Джон]

Гром, а так разве проще? По-моему сложнее.

[Diletant]

Вопросы к коду Diletant:

Я это место тоже не понял? Думаю так:
int iCounts[sizeof(char)*256];  - число символов для таблицы ANSI.

Поторопился я  :oops: . Умножать надо, естественно, на 256. Хотя IMHO sizeof(MyChar)  предпочтительнее во избежание путаницы со встроенным типом С.

Обнулить счётчики:
memset(iCounts,0,sizeof(int)*sizeof(char)*256);

Это уже на любителя,  но я не люблю без особой необходимости использовать memset.

и главное:
"(iCounts[(int)MyChar])++" ?

Наверно всё-таки так:

(iCounts[(unsigned char)MyChar])++

тк в С++ char вообщето со знаком, поэтому для символа с кодом > 127 всё вылетает в отрицательную область, да плюс ещё кастинг в 4х байтовый целый!!! Индекс получится сумасшедший.

Все-таки так:

(iCounts[(unsigned int)MyChar])++

если мы хотим UNICODE поддерживать. В противном случае придется юникодный компилятор использовать.

[Джон]

Это уже на любителя, но я не люблю без особой необходимости использовать memset.

Согласен, я не люблю циклы закручивать.

(iCounts[(unsigned int)MyChar])++

Сделай
char ch = -65;
(unsigned int)ch  и посмотри, что получится.

[Diletant]

 .  Тогда надо MyChar как unsigned TCHAR декларировать. Пошел читать про приведение типов      

[Джон]

Я не совсем уверен, что с UNICODE так же всё гладко получится. Например с началом файла мы уже пролетаем. Мне ща надо уже сваливать, а завтра меня не будет. Если что, на след неделе продолжим. Честно говоря про UNICODE я ещё хорошо не думал, да и нужно ли оно?  noa- то вон, пропал.

[Гром]

Джон, чем сложнее.
Идея проста до безобразия.
Встречается символ - смотрим его в своем списке, находим, увеличиваем каунтер - не находим - создаем новый элемент.
На обычных чар - заработает 100% и очень быстро.
Процедура поиска в своем списке может быть ускорена
Я ж писал это прямо тут даже не заставляя себя думать
Может и неправильно так поступать, но....

Посик в массиве для поиска можно ускорять - если он будет не массивом а упорядоченным списком, по данным, тогда мы можем брать алгоритм разделения его.
В любом случае два байта это FFFF максимум элементов и поиск будет бытрее чем в гиговом файле к примеру...

Вот отчюда и вывод так быстрее в случае больших файлов.

[Джон]

Я пока с уверенностью говорю только про ANSI посмотри код Diletantа. Один проход без поиска

Код:

char MyChar;
int iCounts[256*sizeof)char:(;
memset)iCounts,0,sizeof)int:*sizeof)char:*256:;
FILE *f = fopen)"d{\\a.txt", "rb":;
while )fread)&MyChar,sizeof)char:,1,f::	)iCounts[)unsigned char:MyChar(:++;
fclose)f:;