haskell中的单词计数

Question

我正在从事这项练习：

给定短语，计算该短语中每个单词的出现。

出于本练习的目的，您可以期望一个词永远是：

之一

由一个或多个ASCII数字（即“ 0”或“ 1234”）或 一个由一个或多个ASCII字母（即“ A”或“他们”）或 一个由单个撇号加入的两个简单单词的收缩（即“是”或“他们”） 计数单词时，您可以假设以下规则：

计数是不敏感的（即“你”，“你”和“你”是同一单词的3个用途） 计数是无序的；测试将忽略单词和计数的排序方式 除了收缩中的撇号外，所有形式的标点符号都被忽略 这些单词可以通过任何形式的空格（即“ \ t”，“ \ n”，“”）分开 例如，对于“那是密码：'密码123'！”的短语，请哭泣。代理。\ nso我逃了。计数将是：

那就是：1 ：2 密码：2 123：1 哭了：1 特别：1 代理：1 所以：1 I：1 果：1

我的代码：

module WordCount (wordCount) where

import qualified Data.Char as C
import qualified Data.List as L
import Text.Regex.TDFA as R

wordCount :: String -> [(String, Int)]
wordCount xs =
  do
    ys <- words xs
    let zs = R.getAllTextMatches (ys =~ "\\d+|\\b[a-zA-Z']+\\b") :: [String]
    g <- L.group $ L.sort [map (C.toLower) w | w <- zs]
    return (head g, length g)

但在“一条鱼两条鱼红鱼蓝鱼”的输入上失败了。它为每个单词，甚至是重复的单词都输出一个计数，好像排序和组没有做任何事情。为什么？

我已经阅读这个答案，它基本上以更高级的方式使用control.Arrow /代码>。

Answer 1

您无需使用words即可拆分行，正则应实现所需的分裂：

wordCount :: String -> [(String, Int)]
wordCount xs =
  do
    let zs = R.getAllTextMatches (xs =~ "\\d+|\\b[a-zA-Z']+\\b") :: [String]
    g <- L.group $ L.sort [map C.toLower w | w <- zs]
    return (head g, length g)

Answer 2

wordCount xs =
  do
    ys <- words xs
    let zs = R.getAllTextMatches (ys =~ "\\d+|\\b[a-zA-Z']+\\b") :: [String]
    g <- L.group $ L.sort [map (C.toLower) w | w <- zs]
    return (head g, length g)

您正在使用Words将输入XS将其分成字。您在列表中使用绑定语句ys＆lt; - …迭代这些。然后，您使用正则表达式将每个单词中的每个单词都分为子字，其中示例中只有一个匹配项。您将每个子词单独按列表中的每个子词进行排序。

我相信您本质上可以将初始调用删除Words：

wordCount xs =
  do
    let ys = R.getAllTextMatches (xs =~ "\\d+|\\b[a-zA-Z']+\\b") :: [String]
    g <- L.group $ L.sort [map C.toLower w | w <- ys]
    return (head g, length g)