使用C++實現(xiàn)簡單的文章生成器
1 前言
繼上次【C++】狗屁不通文章生成器之后,很久不想看一眼這個代碼,因為當時寫這個代碼深受中文字符的處理煩惱。而且現(xiàn)在回看,程序的模塊化、可讀性使我大受震驚,是在想不到當時的我為什么要這樣做。于是昨天無心工作,想到了把這堆樂色改進一下,至少做到能看的水平。遂記之。
2 改進
2.1 字詞的前后關系
為了表示字詞的前后關系,即將句子劃分為前綴詞+后綴詞的關系,依然需要定義一個class wordpair,這里去除一些數(shù)據(jù)上的冗余,強化了類的封閉性。
class wordpair
{
private:
string preword; // 前綴
map<string, int> sufwords; // 后綴,次數(shù)
int count; // 總次數(shù)
public:
wordpair(string pre);
wordpair(string pre, string suf);
wordpair(string pre, map<string, int> suf);
~wordpair();
string getPreword() const;
map<string, int> getSufwords() const;
void setPreword(string pre);
void setSufwords(map<string, int> suf);
string toJson() const;
void addSufword(string suf);
string chooseSufword() const;
};
采用map記錄后綴的出現(xiàn)次數(shù),數(shù)據(jù)的結構性更強,也易于查找。記錄所有后綴出現(xiàn)的總次數(shù)是為了在生成文章時選擇后綴提供方便(具體作用看3.1.3)
2.2 文章生成系統(tǒng)
將太多的操作塞進main()函數(shù)的做法不夠美觀,且容易忘記各個部分的功能。于是這里將文章生成的功能抽象出來,作為一個類。主要的工作是記錄所有的字詞對、記錄生成的、文件流操作、文章生成等邏輯。
class createArticle
{
private:
vector<wordpair> wordpairlist;
string article;
public:
createArticle();
~createArticle();
void importWords(string filename, int len_pre = 1, int len_suf = 1);
void exportWords(string filename);
void addWordPair(string pre, string suf);
void generateArticle(string startword, int lenout = 10000);
void printArticle(string filename);
};
3 實現(xiàn)(部分)
由于大多函數(shù)都很簡單,這里只貼出部分比較重要的函數(shù)。
3.1 class wordpair
除去構造函數(shù)、類成員輸出輸入等函數(shù),我們直接進入主題。
3.1.1 轉化為 json
這個函數(shù)主要是為了輸出格式化的詞對,而文本文件中json格式的結構性且簡單。
ps: 其實這個函數(shù)不太重要,主要目的是檢查。不過也可以為直接讀詞對做準備(雖然這里沒有從文件導入詞對的功能)
string wordpair::toJson() const
{
string str = "\"";
str += this->preword + "\" : {";
for (auto &it : this->sufwords)
{
str += "\"" + it.first + "\"" + ":" + to_string(it.second) + ",";
}
str += "}";
return str;
}
效果演示:

3.1.2 添加后綴詞
添加后綴的函數(shù),邏輯是:
if 這個后綴已經有記錄 then count++;
else 添加新的后綴到map中
void wordpair::addSufword(string suf)
{
for (auto &it : this->sufwords)
{
if (it.first == suf)
{
it.second++;
return;
}
}
this->sufwords[suf] = 1; // if the word is not in the map, add it with a count of 1
}
3.1.3 選擇后綴詞
這個函數(shù)的主要功能是從眾多后綴詞中選取一個(語料庫大的話就會多啦),選擇的策略是隨機數(shù)的方案,類似于轉盤抽獎。實現(xiàn)方法如下:
string wordpair::chooseSufword() const
{
if (this->sufwords.size() == 1)//如果只有一個后綴詞就直接輸出,減少算力負擔
{
return this->sufwords.begin()->first;
}
else
{
// 隨機選擇一個后綴詞
random_device rd;
ranlux48 engine(rd());
uniform_int_distribution<> dist(0, this->count);//在類中定義了count,這里就省掉了遍歷
int random_number = dist(engine);//產生一個隨機數(shù)
std::string result;
for (auto &it : this->sufwords)//抽獎
{
if (random_number < it.second)
{
result = it.first;
}
else
random_number -= it.second;
}
return result;
}
}
3.2 class createArticle
3.2.1文本分割
vector<string> charlist = splitchar(filestr);//先將從文件讀到的字符串分割
string preword = "", sufword = "";
for (int i = 0; i < charlist.size() - len_suf - len_pre; i++)//每次向后移動一個字符,進行切割
{
preword = "", sufword = "";
for (int j = i; j < i + len_pre + len_suf; j++)
{
if (j - i < len_pre)
{
preword += charlist[j];//從第i個字符開始,到第i+len_pre個字符連接起來作為前綴
}
else
{
sufword += charlist[j];//從第i+len_pre個到字符開始,到第i+len_pre+len_suf個字符連接作后綴
}
}
this->addWordPair(preword, sufword);//添加進wordpairlist
}3.2.2生成文章
/*
startword——啟動詞
lenout——長度限制(避免無限循環(huán))
*/
void createArticle::generateArticle(string startword, int lenout)
{
this->article += startword;
bool stop; // 加一個停止標志,當無法匹配到前綴時停止
int prewordlen = this->wordpairlist.front().getPreword().length();
int sufwordlen = this->wordpairlist.front().getSufwords().begin()->first.length();
string lastword;
for (int i = 0; i < lenout; ++i)
{
stop = true;
if (this->article.length() >= prewordlen) // 如果文章長度大于詞對中前綴詞的長度,則直接拼接
{
lastword = this->article.substr(this->article.length() - prewordlen, prewordlen);//article最后的len_pre個字符,作為前綴
for (auto &it : this->wordpairlist)
{
if (it.getPreword() == lastword)//通過lastword匹配詞對
{
this->article += it.chooseSufword();
stop = false;
break;
}
}
if (stop)//遍歷了一邊詞對的list沒有匹配的詞對時,退出循環(huán)
break;
}
else//啟動詞長度小于詞對前綴的情況,例如詞對分割為3+2時,啟動詞長度為2,小于前綴長度3,無法正常拼接,于是走此處
{
lastword = this->article;
for (auto &it : this->wordpairlist)//同上遍歷
{
int position = it.getPreword().find(lastword);
if (position != string::npos)
{
this->article += (it.getPreword() + it.chooseSufword()).substr(position+lastword.length(), sufwordlen);//先將前后綴連接,再從匹配到的位置開始截取
stop = false;
break;
}
}
if (stop)
break;
}
}
}4演示
4.1 wordpair(3x2), 啟動詞(春天)

4.2 wordpair(2x1),啟動詞(春天)

4.3 wordpair(2x2),啟動詞(春天)

可見,加了長度限制的重要性。
5總結
目前,這個版本的處理方法不會出現(xiàn)中文亂碼,即使是中英文混合字符串也能正確讀取和分割。而且拼接時采用的隨機數(shù)策略,在語料庫足夠大的情況下可以有較好的靈活性。但是任然無法產出具備可讀性的文章。
到此這篇關于使用C++實現(xiàn)簡單的文章生成器的文章就介紹到這了,更多相關C++文章生成器內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
C++ for循環(huán)與nullptr的小知識點分享
這篇文章主要是來和大家介紹一些C++中的小知識點,本文分享的是for循環(huán)與nullptr,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起了解一下2023-05-05
C語言數(shù)據(jù)結構中二分查找遞歸非遞歸實現(xiàn)并分析
這篇文章主要介紹了C語言數(shù)據(jù)結構中二分查找遞歸非遞歸實現(xiàn)并分析的相關資料,需要的朋友可以參考下2017-03-03

