# SE_work1

**Repository Path**: chenmyang/se_work1

## Basic Information

- **Project Name**: SE_work1
- **Description**: 软件工厂实验1
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-09-13
- **Last Updated**: 2021-12-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# SE_work1：个人编程技能和git操作

## 注意事项

​	因为此项目并没有打包成exe文件，因此在进行命令行程序运行时需要在cmd用类似

​	java WF -c <filename> 的方法对此项目进行运行操作，直接运行java代码是不能运行的

## 课程目标

1. 课程目标3：使用Git 等协作管理工具进行团队开发的能力

## 实验目标

1. 安装、配置分布式协作源代码管理工具 git
2. 磨炼个人编程技能

## 实验要求

1. 每个人开始管理自己的代码
2. 在github 或 gitee上注册账号，创建项目，存放源代码和文档
3. 本地安装配置 git
4. 根据实验内容实现编程任务并提交到git仓库
5. 个人项目自己独立完成

## 实验内容

1. ### git基本操作

   要求每个学生开始管理自己的源代码：
   每个同学申请一个 GitHub 的项目，或者 码云 项目，存放源程序和其他文档。
   安装、配置git。

2. ### 编程基本功练习

   1. #### 编程实现Helloworld

      全部用命令行工具和notepad编辑器，不用Eclipse 等集成编辑环境，每人手工创建并编译一个Java的命令行程序：“Hello World”。

   2. #### 练习数值计算

      找出一个整数数组中子数组之和的最大值，例如：数组[1, -2, 3, 5, -1]，返回8（因为符合要求的子数组是 [3, 5]）；数组[1, -2, 3, -8, 5, 1]，返回6（因为符合要求的子数组是 [5, 1]）; 数组[1, -2, 3,-2, 5, 1]，返回7（因为符合要求的子数组是 [3, -2, 5, 1]）。

   3. #### 写一个命令行程序

      要求：输出1~20000内的所有素数，按每行5个打印出来，并分析程序中最费时的函数是什么， 如何改进？

3. ### 完成个人项目

   #### 考核任务

   1. 基本源代码控制的用法， 逐步扩展的程序设计，对字符，字符串的处理，英语分词，排序，程序的测试，回归测试，C/C++/C#，Java 等基本语言的运用和 debug。 考虑到同学的基础参差不齐，这个作业提供了多种要求，请按先易后难的次序实现。
   2. 每一步都至少要签入源代码控制 （github 或gitee）一次，同时把回归测试的测试用例也写好签入到适当的目录中。

   #### 用户需求：

   英语的26 个字母的频率在一本小说中是如何分布的？某类型文章中常出现的单词是什么？某作家最常用的词汇是什么？《哈利波特》 中最常用的短语是什么，等等。 我们就写一些程序来解决这个问题，满足一下我们的好奇心。
   假设我们的命令行程序叫 WF.exe (WF: Word Frequence)

   ##### 第0步

   输出某个英文文本文件中 26 字母出现的频率，由高到低排列，并显示字母出现的百分比，精确到小数点后面两位。
   命令行参数是：
   wf.exe -c
   字母频率 = 这个字母出现的次数 / （所有A-Z，a-z字母出现的总数）
   如果两个字母出现的频率一样，那么就按照字典序排列。 如果 S 和 T 出现频率都是 10.21%， 那么， S 要排在T 的前面。
   这个程序容易写吧？ 如果要处理一本大部头小说 （例如 Gone With The Wind), 你的程序效率如何？有没有什么可以优化的地方？

   ##### 第一步

   输出单个文件中的前 N 个最常出现的英语单词。
   作用：一个用于统计文本文件中的英语单词出现频率的控制台程序
   单词：以英文字母开头，由英文字母和字母数字符号组成的字符串视为一个单词。单词以分隔符分割且不区分大小写。在输出时，所有单词都用小写字符表示。
   英文字母：A-Z，a-z
   字母数字符号：A-Z，a-z，0-9
   分割符：空格,非字母数字符号 例：good123是一个单词，123good不是一个单词。good，Good和GOOD是同一个单词
   功能列表：
   **功能1：** wf.exe -f
   输出文件中所有不重复的单词，按照出现次数由多到少排列，出现次数同样多的，以字典序排列。
   **功能2：** wf.exe -d 指定文件目录，对目录下每一个文件执行 wf.exe -f 的操作。
   wf.exe -d -s 同上， 但是会递归遍历目录下的所有子目录。
   **功能3：** 支持 -n 参数，输出出现次数最多的前 n 个单词， 例如， -n 10 就是输出最常出现单词的前 10 名。 当没有指明数量的时候，我们默认列出所有单词的频率。
   现在我们这个程序已经有一点复杂度了， 我们要构建一些基本的测试用例来保证程序的基本功能不会在不断的扩展中出问题。 请看 《构建之法》【回归测试】的内容，构建一些测试来保证基本功能的正确性。

   ##### 第二步

   支持 stop words
   我们从第一步的结果看出，在一本小说里， 频率出现最高的单词一般都是 “a”, “it”, “the”, “and”, “this”, 这些词， 我们并不感兴趣. 我们可以做一个 stop word 文件 （停词表）， 在统计词汇的时候，跳过这些词。 我们把这个文件叫 “stopwords.txt” file.
   **功能 4：** 支持新的命令行参数, 例如： wf.exe -x -f
   在这一步我们要增加什么回归测试呢？

   ##### 第三步

   我们想看看常用的短语是什么， 怎么办呢？
   先定义短语：”两个或多个英语单词， 它们之间只有空格分隔”. 请看下面的例子：
   　　hello world //这是一个短语
   　　hello, world //这不是一个短语

   **功能 5：** 支持新的命令行参数 -p
   　　参数 说明要输出多少个词的短语，并按照出现频率排列。同一频率的词组， 按照字典序来排列。

   在这一步我们要增加什么回归测试呢？

   ##### 第四步

   把动词形态都统一之后再计数。
   我们想找到常用的单词和短语，但是发现英语动词经常有时态和语态的变化，导致同一个词，同一个短语却被认为是不同的。 怎么解决这个问题呢？
   假设我们有这样一个文本文件，这个文件的每一行都是这样构成：
   　　动词原型 动词变形1 动词变形2…
   词之间用空格分开。

   e.g. 动词 TAKE 有下面的各种变形
   　　take takes took taken taking
   我们希望在实现上面的各种功能的时候，有一个选项， 就是把动词的各种变形都归为它的原型来统计。
   **功能 6：** 支持动词形态的归一化，参数为 -v
   　　wf.exe -v 其中 是纪录动词形态的文本文件。
   实现这些功能， 分析程序的效能 。