Finde mest forekommende ord i en tekst i et string[] array

lytter lige med :), skal bruge noget til automatisk at generere keywords til meta :).. spytter gerne 200 points til den der kan splitte en streng til et array i ord, og sortere efter antal forekomster og til sidst kun indeholde de 25 vigtigste ord :)..

De sidste 25 ord skal minimum være på 4 bogstaver og ikke forekomme i et andet array :)

du kan overføre til en hashtable, hvor du bruger ordet som ID og value til tæller, og så bagefter sortere på den.

eks.

foreach(string ord in sætning)
{´
if(hashtable.Contains(ord)¨
{
  HashTable[ord]++;
}
else
{
  HashTable.Add(Ord, 1);
}
}
Nu virker dette her ikke helt, men det giver en ide om hvordan, du kunne gøre.

Til inspiration:

using System;
using System.Collections;

public class WordCount : IComparable
{
    string word;
    int count;
    public WordCount(string word)
    {
        this.word = word;
        this.count = 1;
    }
    public string Word
    {
        get
        {
            return word;
        }
    }
    public int Count
    {
        get
        {
            return count;
        }
    }
    public void Increment()
    {
        count++;
    }
    public int CompareTo(object o)
    {
        return ((WordCount)o).Count - count;
    }
}

public class WordCountList
{
    private Hashtable list;
    private int minlen;
    public WordCountList(int minlen)
    {
        this.list = new Hashtable();
        this.minlen = minlen;
    }
    public void AddWord(string word)
    {
        if(word.Length >= minlen)
        {
            if(list.ContainsKey(word))
            {
                ((WordCount)list[word]).Increment();
            }
            else
            {
                list.Add(word, new WordCount(word));
            }
        }
    }
    public void AddText(string text)
    {
        string[] words = text.Split(" ".ToCharArray());
        for(int i = 0; i < words.Length; i++)
        {
            AddWord(words[i]);
        }
    }
    public ICollection GetTop(int n)
    {
        ArrayList temp = new ArrayList();
        temp.AddRange(list.Values);
        temp.Sort();
        temp.RemoveRange(n, temp.Count - n);
        return temp;
    }
}

class TestClass
{
    public static void Test(string s)
    {
        WordCountList proc = new WordCountList(1);
        proc.AddText(s);
        ICollection top = proc.GetTop(3);
        foreach(WordCount wc in top)
        {
            Console.WriteLine(wc.Word + " : " + wc.Count);
        }
    }
    public static void Main(string[] args)
    {
        Test(@"Dette er en lille test - er en en");
    }
}

snedigt.. http://www.eksperten.dk/spm/636884..

og jeg undskylder mette.. men du blev sikkert også klogere :)

Det ser jo spændende ud.....

Er der nogen speciel grund til at du også laver en klasse til Count af ord, er det for at kunne lave en Sort på den at den kommer i en klasse for sig selv?

Må se om jeg kan huske det her link til en anden gang, der bruger du jo nogle smarte teknikker :-P

// ouT

Jeg overvejede også andre modeller, men jeg syntes ikke lige at jeg kunne
se de andre hænge sammen på samme måde, 2 arrays string[] og int[] er hverken
så OO pænt eller så nemt at håndtere (sorteringen er nem nok, men både
hente ud fra Hashtable og returnereing fra GetTop bliver grimmere)

okay, sjovt nok også at vide hvad en proff programmør tænker på, men jeg synes også helt klart at det her en en pæn og nok også meget pænere end den måde jeg ville have lavet det på :-P

Keep up the good work

// ouT