基于C++如何編寫一個(gè)文章生成器

這篇“基于C++如何編寫一個(gè)文章生成器”文章的知識點(diǎn)大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細(xì)，步驟清晰，具有一定的借鑒價(jià)值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“基于C++如何編寫一個(gè)文章生成器”文章吧。

1.概況

由用戶輸入啟動詞，根據(jù)語料庫中統(tǒng)計(jì)的詞語前后綴關(guān)系，自動生成一片新的文章。

比如：春天來了，大地媽媽穿上了碧綠的衣裳。嫩綠的小草從地下探出頭來，陶醉在美麗的春天里。

前后綴關(guān)系：[前綴，后綴]。上面這段話的前后綴關(guān)系有：[春天，來/里]，[天來，了]，[天里，。]，[來了，，]等。

說明：

啟動詞：用戶輸入的一個(gè)詞，由這個(gè)詞開始生成文章所有內(nèi)容。

前/后綴：一個(gè)詞前后連續(xù)的n個(gè)字符。比如前綴為“春天”，由例句中得到后綴可為“來”或“里”，即表示一種語言的前后關(guān)系。

2.基本要求

1.準(zhǔn)備語料庫：準(zhǔn)備相關(guān)文章，存為文件。利用程序讀取文章內(nèi)容，獲取文章語句中詞語的前后關(guān)系，即語料庫。語料庫的豐富程度由文章的數(shù)量決定，語料庫又決定程序運(yùn)行的時(shí)間和生成的文章質(zhì)量。

2.構(gòu)建前后綴關(guān)系：根據(jù)語料庫，依據(jù)設(shè)定的前后綴長度，構(gòu)建字詞的前后綴關(guān)系。

3.生成文章：用戶輸入啟動詞，根據(jù)啟動詞為前綴生成后綴得到文段，再根據(jù)文段生成新的前綴，以新前綴生成新后綴以此類推，得到一片文章。

4.應(yīng)盡量避免循環(huán)：有時(shí)語料庫中可能出現(xiàn)類似“為所欲為”的接龍結(jié)構(gòu)，造成死循環(huán)，同時(shí)生成的內(nèi)容也沒有了意義。

5.輸入輸出形式：

//輸入：
    2    //前綴詞長度
    2    //后綴詞長度
    春天    //啟動詞
//輸出：
    [一篇文章]

3.程序分析

3.1 文件流讀寫

讀文件：從多篇文章中讀取文件內(nèi)容為字符串，以前/后綴的長度遍歷獲取前/后綴，并建立前后綴關(guān)系。

寫文件：為觀察程序執(zhí)行情況，將前/后綴字符對和生成的文章寫入文件。

3.2 建立前后綴關(guān)系

當(dāng)需要在兩種數(shù)據(jù)間建立一種關(guān)系時(shí)，可以使用結(jié)構(gòu)化數(shù)據(jù)進(jìn)行存儲，比如建立前后綴關(guān)系可以采用字典類結(jié)構(gòu)進(jìn)行存儲，C++也有相應(yīng)的頭文件。

除此之外，還可以將其抽象為一種類，可以定制類的行為和結(jié)構(gòu)。這里選擇自建一個(gè)類進(jìn)行存儲。

類設(shè)計(jì)：

• 一個(gè)類記錄一個(gè)前綴和它的所有后綴，

• 記錄后綴的出現(xiàn)次數(shù)

• 記錄后綴的個(gè)數(shù)

class wordpair{
    private:
        char **suffix    //后綴字符串?dāng)?shù)組，一個(gè)后綴存為一個(gè)字符串
        int *freq        //一個(gè)后綴出現(xiàn)的次數(shù)
    public:
        char *prefix    //前綴字符串，聲明為公共成員，方便外部查找
        int length        //記錄后綴的個(gè)數(shù)
}

3.3 字符串切片

在C++的頭文件中，可以使用string類型代替char類型的字符串，而且對于字符串的操作也更方便。比如

string str1 = "abcd";
string str2 = "efghijk";
string str3 = str1 + str2;    // = “abcdefghijk”; 字符串拼接
string str4 = str3.substr(3,2);    // = "de"; 從下標(biāo)為3的字符開始，截取長度為2的子字符串

以前一直覺得C語言和C++處理字符串很麻煩，現(xiàn)在倒覺得還是很方便的。

3.4 變長數(shù)組

C語言和C++中，基礎(chǔ)的數(shù)組長度相對固定，但也不是不能改變，只是相對麻煩一些。在這個(gè)程序中，一個(gè)wordpair只存儲一個(gè)前綴和它的后綴們，所以需要創(chuàng)建一個(gè)wordpair類型的列表來存儲全部的前后綴。

我用的方法是來回地復(fù)制

int main(){
    int len;
    int list[len];    //假設(shè)有一個(gè)長度為len的整型數(shù)組
    int p[len+1];    //開辟一個(gè)len+1個(gè)整型長度的空間
    //    把 list 復(fù)制到 p，然后
    list = new int[len+1];    //將list長度+1
    //把 p 復(fù)制過來
}

4.代碼實(shí)現(xiàn)

4.1 函數(shù)：數(shù)組加長

由于數(shù)組加長在程序中多次調(diào)用，且需要增長的數(shù)組各不相同，所以在這里我定義了一個(gè)函數(shù)模板，以盡可能少的代碼完成相同的任務(wù)。

template<class T>
T *append2list(T *list, T t, int len){
    T copy[len + 1];            // 用于備份的空間
    for(int i=0; i<len; i++){
        copy[i] = list[i];}
    copy[len] = t;                //在末尾增加元素
    len++;
    list = new T[len];            //變長
    for(int i=0; i<len; i++){    //拷貝回來
        list[i] = copy[i];}
    return list;
}

4.2 類wordpair定義

首先是類成員，應(yīng)該有：

class Wordpair
{
    private:
        string *suffix;    //后綴列表，一個(gè)前綴可能對應(yīng)多個(gè)后綴 
        int   *freq;    // 整型數(shù)組，依此記錄后綴的頻率
    public:
        string prefix;    // 前綴 
        int length;        // 記錄長度 , 一個(gè)前綴對應(yīng)size個(gè)后綴 
        Wordpair(string prefix, string suffix){    //構(gòu)造函數(shù)
            this->prefix = prefix;
            this->suffix = new string[1];
            this->suffix[0] = suffix;
            this->freq = new int[1];
            this->freq[0] = 1;
            this->length = 1;
        }
        Wordpair(){                                //構(gòu)造函數(shù)
            this->prefix = "",
            this->suffix = new string[1];
            this->suffix[0] = "";
            this->freq = new int[1];
            this->freq[0] = 0;
            this->length = 0;
        }
        /* 判斷這個(gè)后綴是否已經(jīng)有記錄，有返回下標(biāo)，沒有則返回-1 */
        int hasRecorded(string word){}
        
        /* 添加一個(gè)后綴 */
        bool push(string word){}
        
        /* 找出出現(xiàn)次數(shù)最多的后綴的下標(biāo)，采用更可信的后綴 */
         string maxFrequency(){}
        
        /* 轉(zhuǎn)化為字符串，方便輸出 */
        string to_String()const{}
        /* 重載賦值運(yùn)算符，方便與其他類型的列表共用函數(shù) */
        Wordpair& operator=(Wordpair &pair){}
};

除此之外，還可以重載輸出運(yùn)算符<<，便于調(diào)試時(shí)在函數(shù)中輸出wordpair值：

ostream& operator<<(ostream& out, const Wordpair& w){
    out<<w.to_String();
    return out;
}

4.3 函數(shù)：讀取文件

程序運(yùn)行時(shí)，需要讀取文件為字符串，當(dāng)文件較多時(shí)把這個(gè)功能抽象出來，調(diào)用很方便。

// 讀文件 
string getfile(char *path){
  string alticle = "";            //初始化字符串
  ifstream fin(path, ios::in);    //打開文件
  if(!fin.is_open()){
    cout<<"文件讀取錯誤！"<<endl;
    return NULL;
  }
  string buffer;
  while(getline(fin,buffer)){        //讀取
    alticle.append(buffer);            //新的行添加到alticle尾部
  }
  fin.close();
  return alticle;
}

4.4 函數(shù)：寫入文件

主要是寫入生成的字符對，方便調(diào)試

// 寫文件，記錄詞組對 
void exportData(Wordpair *pairlist, int len, int prelen, int suflen){
    char path[32];
    sprintf(path,"./word-pairs(%dx%d).txt",prelen,suflen);
    ofstream fout(path, ios::out);
    for(int i=0; i<len; i++){
        fout<<pairlist[i];        //在這里就體現(xiàn)了重載<<運(yùn)算符的好處
    }
    fout.close();
    cout<<"詞組對已經(jīng)寫入文件< "<<path<<" >"<<endl; 
}

4.5 核心函數(shù)：字符串分割

讀取到文件后，將字符串從下標(biāo)0開始，讀取前綴+后綴的長度，然后從1開始讀取前綴+后綴的長度。循環(huán)的次數(shù)應(yīng)該是字符串總長度 - (前綴長度+后綴長度 -1)，以保證下標(biāo)不會溢出。

Wordpair *alticle2Wordpair(Wordpair *pairlist, int &length,string alticle, int prefix_len, int suffix_len){
    for(int i=0; i<alticle.length()/2-prefix_len-suffix_len+1; i++){
        bool hasrecord = false;
        string prefix=alticle.substr(i*2,prefix_len*2);                // i為什么要×2？因?yàn)樵赿evcpp中發(fā)現(xiàn)一個(gè)中文字符相當(dāng)于兩個(gè)英文字符，不乘2會亂碼。 
        string suffix=alticle.substr((i+prefix_len)*2,suffix_len*2);
        for(int j=0;j<length;j++){
            if(pairlist[j].prefix == prefix){    // 如果已經(jīng)有了這個(gè)前綴，則添加后綴 
                pairlist[j].push(suffix);
                hasrecord = true;
                break;
            }
        }
        if(!hasrecord){                            //    沒有這個(gè)前綴則詞組對列表長度增加 
            Wordpair pair(prefix, suffix);
            pairlist = append2list(pairlist, pair, length);
            length++;
        }
    }
    return pairlist;
}

在此基礎(chǔ)上，對每次讀文件都進(jìn)行一次，就能獲取全部文件的字符對。

4.6 核心函數(shù)：文章拼接

得到語料庫之后，需要根據(jù)語料庫拼接出文章。我這里采用的方法有點(diǎn)問題，當(dāng)完全防止出現(xiàn)循環(huán)文本的時(shí)候，文章過短，當(dāng)放開一點(diǎn)對循環(huán)文本的時(shí)候，循環(huán)文本總是出現(xiàn)，算法上想不通。希望有大佬提供一點(diǎn)思路。

// 判斷前綴是否在列表內(nèi)，有則返回下標(biāo)，沒有則返回-1
int hasrecord(Wordpair *pairlist, int len, string preword){
    for(int i=0; i<len; i++){
        if(preword == pairlist[i].prefix){
            return i;
        }
    }
    return -1;
}
// 拼接文章 
void createAlticle(Wordpair *pairlist, int len, string startword, int prefix_len, int suffix_len){
    string preword = startword;
    int i=0;
    int index = hasrecord(pairlist, len, preword);
    string alticle = preword;
    int alticle_len = prefix_len;            //長度（中文字符標(biāo)準(zhǔn)） 
    while(index != -1){
        string newword = pairlist[index].maxFrequency();
        // 避免循環(huán) 
        if(alticle.find(newword)==string::npos    //表示這個(gè)前綴沒有在文章中出現(xiàn)過 
//         || alticle_len - alticle.rfind(newword) > 600    //表示相同的詞之間最少間隔多少。加上這個(gè)條件后有循環(huán)，注釋后文章顯著變短 
         ){
            alticle.append(pairlist[index].maxFrequency());
            alticle_len += suffix_len;
            preword = alticle.substr((alticle_len-prefix_len)*2, alticle_len*2);}
        else{
            preword = pairlist[index+1].maxFrequency();
        }
        index = hasrecord(pairlist, len, preword);
    }
    cout<<alticle<<endl;
    ofstream fout(CREATE_ALTICLE, ios::out);
    fout<<alticle;
    fout.close();
    cout<<"文章寫入文件 < "<<CREATE_ALTICLE<<" >"<<endl;
}

以上就是關(guān)于“基于C++如何編寫一個(gè)文章生成器”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對大家有幫助，若想了解更多相關(guān)的知識內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道。