我是陈晓 · 150浏览 · 发布于2023-03-17
这篇文章主要为大家介绍一个有趣的小程序，就是利用C++编写一个文章生成器，文中的示例代码讲解详细，感兴趣的小伙伴可以跟随小编一起了解一下
1.概况
由用户输入启动词，根据语料库中统计的词语前后缀关系，自动生成一片新的文章。
比如：春天来了，大地妈妈穿上了碧绿的衣裳。嫩绿的小草从地下探出头来，陶醉在美丽的春天里。
前后缀关系：[前缀，后缀]。上面这段话的前后缀关系有：[春天，来/里]，[天来，了]，[天里，。]，[来了，，]等。
说明：
启动词：用户输入的一个词，由这个词开始生成文章所有内容。
前/后缀：一个词前后连续的n个字符。比如前缀为“春天”，由例句中得到后缀可为“来”或“里”，即表示一种语言的前后关系。
2.基本要求
1.准备语料库：准备相关文章，存为文件。利用程序读取文章内容，获取文章语句中词语的前后关系，即语料库。语料库的丰富程度由文章的数量决定，语料库又决定程序运行的时间和生成的文章质量。
2.构建前后缀关系：根据语料库，依据设定的前后缀长度，构建字词的前后缀关系。
3.生成文章：用户输入启动词，根据启动词为前缀生成后缀得到文段，再根据文段生成新的前缀，以新前缀生成新后缀以此类推，得到一片文章。
4.应尽量避免循环：有时语料库中可能出现类似“为所欲为”的接龙结构，造成死循环，同时生成的内容也没有了意义。
5.输入输出形式：
//输入：
2 //前缀词长度
2 //后缀词长度
春天 //启动词
//输出：
[一篇文章]
3.程序分析
3.1 文件流读写
读文件：从多篇文章中读取文件内容为字符串，以前/后缀的长度遍历获取前/后缀，并建立前后缀关系。
写文件：为观察程序执行情况，将前/后缀字符对和生成的文章写入文件。
3.2 建立前后缀关系
当需要在两种数据间建立一种关系时，可以使用结构化数据进行存储，比如建立前后缀关系可以采用字典类结构进行存储，C++也有相应的头文件。
除此之外，还可以将其抽象为一种类，可以定制类的行为和结构。这里选择自建一个类进行存储。
类设计：
一个类记录一个前缀和它的所有后缀，
记录后缀的出现次数
记录后缀的个数
class wordpair{
private:
char **suffix //后缀字符串数组，一个后缀存为一个字符串
int *freq //一个后缀出现的次数
public:
char *prefix //前缀字符串，声明为公共成员，方便外部查找
int length //记录后缀的个数
}3.3 字符串切片
在C++的头文件中，可以使用string类型代替char类型的字符串，而且对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"; 从下标为3的字符开始，截取长度为2的子字符串
以前一直觉得C语言和C++处理字符串很麻烦，现在倒觉得还是很方便的。
3.4 变长数组
C语言和C++中，基础的数组长度相对固定，但也不是不能改变，只是相对麻烦一些。在这个程序中，一个wordpair只存储一个前缀和它的后缀们，所以需要创建一个wordpair类型的列表来存储全部的前后缀。
我用的方法是来回地复制
int main(){
int len;
int list[len]; //假设有一个长度为len的整型数组
int p[len+1]; //开辟一个len+1个整型长度的空间
// 把 list 复制到 p，然后
list = new int[len+1]; //将list长度+1
//把 p 复制过来
}4.代码实现
4.1 函数：数组加长
由于数组加长在程序中多次调用，且需要增长的数组各不相同，所以在这里我定义了一个函数模板，以尽可能少的代码完成相同的任务。
template<class T>
T *append2list(T *list, T t, int len){
T copy[len + 1]; // 用于备份的空间
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]; //变长
for(int i=0; i<len; i++){ //拷贝回来
list[i] = copy[i];}
return list;
}4.2 类wordpair定义
首先是类成员，应该有：
class Wordpair
{
private:
string *suffix; //后缀列表，一个前缀可能对应多个后缀
int *freq; // 整型数组，依此记录后缀的频率
public:
string prefix; // 前缀
int length; // 记录长度 , 一个前缀对应size个后缀
Wordpair(string prefix, string suffix){ //构造函数
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(){ //构造函数
this->prefix = "",
this->suffix = new string[1];
this->suffix[0] = "";
this->freq = new int[1];
this->freq[0] = 0;
this->length = 0;
}
/* 判断这个后缀是否已经有记录，有返回下标，没有则返回-1 */
int hasRecorded(string word){}
/* 添加一个后缀 */
bool push(string word){}
/* 找出出现次数最多的后缀的下标，采用更可信的后缀 */
string maxFrequency(){}
/* 转化为字符串，方便输出 */
string to_String()const{}
/* 重载赋值运算符，方便与其他类型的列表共用函数 */
Wordpair& operator=(Wordpair &pair){}
};除此之外，还可以重载输出运算符<<，便于调试时在函数中输出wordpair值：
ostream& operator<<(ostream& out, const Wordpair& w){
out<<w.to_String();
return out;
}4.3 函数：读取文件
程序运行时，需要读取文件为字符串，当文件较多时把这个功能抽象出来，调用很方便。
// 读文件
string getfile(char *path){
string alticle = ""; //初始化字符串
ifstream fin(path, ios::in); //打开文件
if(!fin.is_open()){
cout<<"文件读取错误！"<<endl;
return NULL;
}
string buffer;
while(getline(fin,buffer)){ //读取
alticle.append(buffer); //新的行添加到alticle尾部
}
fin.close();
return alticle;
}4.4 函数：写入文件
主要是写入生成的字符对，方便调试
// 写文件，记录词组对
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]; //在这里就体现了重载<<运算符的好处
}
fout.close();
cout<<"词组对已经写入文件< "<<path<<" >"<<endl;
}4.5 核心函数：字符串分割
读取到文件后，将字符串从下标0开始，读取前缀+后缀的长度，然后从1开始读取前缀+后缀的长度。循环的次数应该是字符串总长度 - (前缀长度+后缀长度 -1)，以保证下标不会溢出。
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为什么要×2？因为在devcpp中发现一个中文字符相当于两个英文字符，不乘2会乱码。
string suffix=alticle.substr((i+prefix_len)*2,suffix_len*2);
for(int j=0;j<length;j++){
if(pairlist[j].prefix == prefix){ // 如果已经有了这个前缀，则添加后缀
pairlist[j].push(suffix);
hasrecord = true;
break;
}
}
if(!hasrecord){ // 没有这个前缀则词组对列表长度增加
Wordpair pair(prefix, suffix);
pairlist = append2list(pairlist, pair, length);
length++;
}
}
return pairlist;
}在此基础上，对每次读文件都进行一次，就能获取全部文件的字符对。
4.6 核心函数：文章拼接
得到语料库之后，需要根据语料库拼接出文章。我这里采用的方法有点问题，当完全防止出现循环文本的时候，文章过短，当放开一点对循环文本的时候，循环文本总是出现，算法上想不通。希望有大佬提供一点思路。
// 判断前缀是否在列表内，有则返回下标，没有则返回-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; //长度（中文字符标准）
while(index != -1){
string newword = pairlist[index].maxFrequency();
// 避免循环
if(alticle.find(newword)==string::npos //表示这个前缀没有在文章中出现过
// || alticle_len - alticle.rfind(newword) > 600 //表示相同的词之间最少间隔多少。
加上这个条件后有循环，注释后文章显著变短
){
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<<"文章写入文件 < "<<CREATE_ALTICLE<<" >"<<endl;
}5.总结
在没有机器学习的支持下，这种拼接的文章十分粗糙，无法准确的给出最优的选择。另一方面，代码写的过于拖沓，算法有待优化。
相关推荐
沙雕mars · 1325浏览 · 2019-04-28 09:47:56
kenrry1992 · 908浏览 · 2019-05-08 21:14:54
manongba · 687浏览 · 2019-05-09 17:27:24
manongba · 970浏览 · 2019-05-13 21:03:56
iamitnan · 1086浏览 · 2019-05-14 22:20:36
0评论