计算文件中每个字母的出现次数？

Question

即使文件大小大到4GB或更多,如何以优化的方式查找字母AZ的出现(无视情况)？在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

我认为没有太多优化.

• 不要计算tolower()-'A'每个元素,只计算每个字符的出现次数(在char[256]累加器中),然后进行大小写感知计算(可能更高效或不高效,只需尝试).

• 一定要使用缓冲输入(fopen也许可以分配更大的缓冲区setvbuf).

例如:

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

另外,请记住,这假设ASCII或派生(一个八位字节=一个字符)编码.