问题描述

实现一个统计单词词频、支持Top N排序显示，并根据出现频率打印直方图的命令行工具

• 读取文件内容：读取指定文件的内容。
• 统计单词词频：将文件内容分割成单词，并统计每个单词出现的次数。
• 排序并获取Top N：根据单词出现的频率进行排序，并获取前N个结果。
• 打印直方图：根据每个单词的词频打印直方图。

这次我们要用rust实现一个wordcount统计词频的工具，学习rust的文件操作、HashMap和各种容器的转换。

Rust是当前编程语言的当红炸子鸡，它的内存安全和并发性能是其他语言无法比拟的，但是rust的门槛极高，学习曲线陡峭

所以我们需要通过实际的项目来学习rust。

测试代码

  #[test]
  fn test_count_words() {
      let content = "Hello, world! Hello, world!";
      let word_count = count_words(content);
      assert_eq!(word_count.get("Hello"), Some(&2));
      assert_eq!(word_count.get("world"), Some(&2));
  }
  #[test]
  fn test_count_words_with_punctuation() {
      let content = "Hello, world! Hello,    world!";
      let word_count = count_words(content);
      assert_eq!(word_count.get("Hello"), Some(&2));
      assert_eq!(word_count.get("world"), Some(&2));
  }
  #[test]
  fn test_count_words_with_newline() {
      let content = "Hello, world!\t\r\nHello, world!";
      let word_count = count_words(content);
      assert_eq!(word_count.len(), 2);
      assert_eq!(word_count.get("Hello"), Some(&2));
      assert_eq!(word_count.get("world"), Some(&2));
  }

解决思路

这个程序不涉及到复杂的算法，思路和题目描述一样，主要是学习rust的文件操作、HashMap和各种容器的转换。

1. 可以通过std::fs 读取文件内容，然后通过split_whitespace来分割单词
2. 使用HashMap来统计单词的词频, HashMap是rust的标准库，可以直接使用
3. 将HashMap转换成Vec，然后排序获取Top N
4. 打印直方图，因为直方图是一个比例图表，所以需要先计算出最大值，然后根据比例来打印

代码实现

完整代码请参考:

代码解析

我们讲一下代码的实现：

第一部分： 命令行操作和文件读取

• 3-13 行： 通过env::args()获取命令行参数
• 9-12 行： top_n这个参数是一个Option类型，如果没有传入参数，就初始化一个默认值，如果参数输入不是int,也没关系，我们通过unwrap_or来得到一个默认值而不是panic
• 15行： 读出文件到一个String中

第二部分： 单词统计

• 27行： 初始化了一个HashMap，用来存储单词和词频, 因为rust会根据上下文推导类型，虽然HashMap是一个范型容器，但是初始化的时候，并不需要我们声明类型，这样会方便很多
• 29-35行： 通过split_whitespace来分割单词，然后通过entry来插入或者更新HashMap中的值, entry是HashMap的一个方法，如果key存在，就返回一个Entry，如果key不存在，就插入一个key，然后返回一个Entry， 这个写法是兼顾性能的，也就是说，如果key存在，就不会重复查找key，直接更新value

第三部分： 排序和Top N

• 21-22行： 将HashMap转换成Vec，然后通过sort_by来排序

因为我们要根据词频来排序，所以我们需要一个比较函数，这个比较函数是一个闭包，我们通过|a, b|来定义一个闭包，然后通过cmp来比较两个值

第四部分： 打印直方图

• 42行： 取得第一个的词频，这个词频就是最大值
• 44-52行： 打印直方图，通过take(top_n)来获取前N个单词，然后通过iter()来遍历
• 46-50行： 根据题目要求要做一个直方图的比例换算，如果最大的都没超过10个，那么就不需要修改比例，否则就需要修改比例，这样显示就不会出现一个单词上万次，然后打印出上万个*的情况

总结

这个题目主要是学习rust的文件操作、HashMap和各种容器的转换

Rust的写法特别严谨，和C++比较像，特别是容器和范型方面都是和C++类似的

虽然我们的题目要求比较简单，但是我们写代码的时候要考虑各种异常情况，比如文件不存在，文件读取失败，参数输入错误等等

最后我们在显示的时候，如果做一个简单的比例换算，就可以让显示效果变得很优雅，那么这种细节就对你工作特别有帮助

rust是后端的新宠，学习曲线陡峭，但是只要你坚持下去，你会发现rust的内存安全和并发性能是其他语言无法比拟的

所有的后端面试常见的问题，我们每天都会在我们的编程群里面讨论和Code review, 欢迎大家加入我们的编程群，一起学习和进步。

欢迎大家关注 入职啦 (公众号: ruzhila) ，获取更多有趣的编程挑战题和技术干货！