整合營銷服務(wù)商
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
家好，我是站長 polarisxu。
今天要聊的內(nèi)容應(yīng)該可以當(dāng)做一道面試題，你可以先想想該怎么實(shí)現(xiàn)。
統(tǒng)計(jì)字?jǐn)?shù)是一個很常見的需求，很多人印象最深的應(yīng)該是微博早些時候限制 140 字，而且邊輸入會邊統(tǒng)計(jì)剩余字?jǐn)?shù)。現(xiàn)在很多社區(qū)文章也會有字?jǐn)?shù)統(tǒng)計(jì)的功能，而且可以依據(jù)字?jǐn)?shù)來預(yù)估閱讀時間。比如 Go語言中文網(wǎng)就有這樣的功能。
下手之前先分析下這個需求。從我個人經(jīng)驗(yàn)看，在實(shí)際面試中，針對一個面試題，你的分析過程，循序漸進(jìn)的解決方案，可以很好的展示你的思考過程。正所謂分析問題、解決問題。這會給你加分的。
我們采用類似詞法分析的思路分析這個需求。
一篇文章通常包含如下元素，我們也稱之為 token：
其中普通文字通常會分為歐美和中日韓（CJK），因?yàn)?CJK 屬于表意文字，和歐美字母的文字差異很大。同時這里還涉及到編碼的問題。本文假設(shè)使用 UTF-8 編碼。
對于標(biāo)點(diǎn)符號，中文標(biāo)點(diǎn)和英文標(biāo)點(diǎn)也會很不一樣。
此外還有全角和半角的問題。
根據(jù)以上分析，對于該需求作如下假定：
本文的解決方案針對以上的假定進(jìn)行。
先看最簡單的。
根據(jù)以上分析，如果文章只包含普通文本且是英文，也就是說，每個字（單詞）根據(jù)空格分隔，統(tǒng)計(jì)是最簡單的。
func TotalWords(s string) int {
n := 0
inWord := false
for _, r := range s {
wasInWord := inWord
inWord = !unicode.IsSpace(r)
if inWord && !wasInWord {
n++
}
}
return n
}
還有一種更簡單的方式：
len(strings.Fields(s))
不過看 strings.Fields 的實(shí)現(xiàn)，性能會不如第一種方式。
回顧上面的需求分析，會發(fā)現(xiàn)這個實(shí)現(xiàn)是有 Bug 的。比如下面的例子：
s1 := "Hello,playground"
s2 := "Hello, playground"
用上面的實(shí)現(xiàn)，s1 的字?jǐn)?shù)是 1，s2 的字?jǐn)?shù)是 2。它們都忽略了標(biāo)點(diǎn)符號。而且因?yàn)閷懛ǖ亩鄻有裕ú灰?guī)范統(tǒng)一），導(dǎo)致計(jì)算字?jǐn)?shù)會有誤差。所以我們需要對寫法進(jìn)行規(guī)范。
其實(shí)和寫代碼要有規(guī)范一樣，文章也是有規(guī)范的。比如出版社對于一本書的排版會有明確的規(guī)定。為了讓我們的文章看起來更舒服，也應(yīng)該遵循一定的規(guī)范。
這里推薦一個 GitHub 上的排版指南：《中文文案排版指北》，它的宗旨，統(tǒng)一中文文案、排版的相關(guān)用法，降低團(tuán)隊(duì)成員之間的溝通成本，增強(qiáng)網(wǎng)站氣質(zhì)。這個規(guī)范開頭關(guān)于空格的一段話很有意思：
有研究顯示，打字的時候不喜歡在中文和英文之間加空格的人，感情路都走得很辛苦，有七成的比例會在 34 歲的時候跟自己不愛的人結(jié)婚，而其余三成的人最后只能把遺產(chǎn)留給自己的貓。畢竟愛情跟書寫都需要適時地留白。
建議大家可以看看這個指北，一些知名的網(wǎng)站就是按照這個做的。
因?yàn)?GCTT 的排版在這個規(guī)范做，但人為約束不是最好的方法，所以我開發(fā)了一個 Go 工具：https://github.com/studygolang/autocorrect，用于自動給中英文之間加入合理的空格并糾正專用名詞大小寫。
所以為了讓字?jǐn)?shù)統(tǒng)計(jì)更準(zhǔn)確，我們假定文章是按一定的規(guī)范書寫的。比如上面的例子，規(guī)范的寫法是 s2 :="Hello, playground"。不過這里標(biāo)點(diǎn)不算作字?jǐn)?shù)。
剛?cè)ノ⒉┥显嚵艘幌拢l(fā)現(xiàn)微博的字?jǐn)?shù)計(jì)算方式有點(diǎn)詭異，竟然是 9 個字。
測試一下發(fā)現(xiàn)，它直接把兩個英文字母算作一個字（兩個字節(jié)算一個字）。而漢字是正常的。大家可以想想微博是怎么實(shí)現(xiàn)的。
中文不像英文，單詞之間沒有空格分隔，因此開始的那兩種方式不適合。
如果是純中文，我們怎么計(jì)算字?jǐn)?shù)呢？
在 Go 語言中，字符串使用 UTF-8 編碼，一個字符用 rune 表示。因此在標(biāo)準(zhǔn)庫中查找相關(guān)計(jì)算方法。
func RuneCountInString(s string) (n int)
這個方法能計(jì)算字符串包含的 rune（字符）數(shù)，對于純中文，就是漢字?jǐn)?shù)。
str := "你好世界"
fmt.Println(utf8.RuneCountInString(str))
以上代碼輸出 4。
然而，因?yàn)楹芏鄷r候文章會中英文混合，因此我們先采用上面的純英文的處理方式，即：strings.Fields()，將文章用空格分隔，然后處理每一部分。
func TotalWords(s string) int {
wordCount := 0
plainWords := strings.Fields(s)
for _, word := range plainWords {
runeCount := utf8.RuneCountInString(word)
if len(word) == runeCount {
wordCount++
} else {
wordCount += runeCount
}
}
return wordCount
}
增加如下的測試用例：
func TestTotalWords(t *testing.T) {
tests := []struct {
name string
input string
want int
}{
{"en1", "hello,playground", 2},
{"en2", "hello, playground", 2},
{"cn1", "你好世界", 4},
{"encn1", "Hello你好世界", 5},
{"encn2", "Hello 你好世界", 5},
}
for _, tt := range tests {
t.Run(tt.name, func(t *testing.T) {
if got := wordscount.TotalWords(tt.input); got != tt.want {
t.Errorf("TotalWords() = %v, want %v", got, tt.want)
}
})
}
}
發(fā)現(xiàn) en1 和 encn1 測試不通過，因?yàn)闆]有按照上面說的規(guī)范書寫。因此我們通過程序增加必要的空格。
// AutoSpace 自動給中英文之間加上空格
func AutoSpace(str string) string {
out := ""
for _, r := range str {
out = addSpaceAtBoundary(out, r)
}
return out
}
func addSpaceAtBoundary(prefix string, nextChar rune) string {
if len(prefix) == 0 {
return string(nextChar)
}
r, size := utf8.DecodeLastRuneInString(prefix)
if isLatin(size) != isLatin(utf8.RuneLen(nextChar)) &&
isAllowSpace(nextChar) && isAllowSpace(r) {
return prefix + " " + string(nextChar)
}
return prefix + string(nextChar)
}
func isLatin(size int) bool {
return size == 1
}
func isAllowSpace(r rune) bool {
return !unicode.IsSpace(r) && !unicode.IsPunct(r)
}
這樣可以在 TotalWords 函數(shù)開頭增加 AutoSpace 進(jìn)行規(guī)范化。這時結(jié)果就正常了。
以上例子標(biāo)點(diǎn)沒計(jì)算在內(nèi)，而且如果英文和中文標(biāo)點(diǎn)混合在一起，情況又復(fù)雜了。
為了更好地實(shí)現(xiàn)開始的需求分析，重構(gòu)以上代碼，設(shè)計(jì)如下的結(jié)構(gòu)：
type Counter struct {
Total int // 總字?jǐn)?shù) = Words + Puncts
Words int // 只包含字符數(shù)
Puncts int // 標(biāo)點(diǎn)數(shù)
Links int // 鏈接數(shù)
Pics int // 圖片數(shù)
CodeLines int // 代碼行數(shù)
}
同時將 TotalWords 重構(gòu)為 Counter 的 Stat 方法，同時記錄標(biāo)點(diǎn)數(shù)：
func (wc *Counter) Stat(str string) {
wc.Links = len(rxStrict.FindAllString(str, -1))
wc.Pics = len(imgReg.FindAllString(str, -1))
// 剔除 HTML
str = StripHTML(str)
str = AutoSpace(str)
// 普通的鏈接去除（非 HTML 標(biāo)簽鏈接）
str = rxStrict.ReplaceAllString(str, " ")
plainWords := strings.Fields(str)
for _, plainWord := range plainWords {
words := strings.FieldsFunc(plainWord, func(r rune) bool {
if unicode.IsPunct(r) {
wc.Puncts++
return true
}
return false
})
for _, word := range words {
runeCount := utf8.RuneCountInString(word)
if len(word) == runeCount {
wc.Words++
} else {
wc.Words += runeCount
}
}
}
wc.Total = wc.Words + wc.Puncts
}
var (
rxStrict = xurls.Strict()
imgReg = regexp.MustCompile(`<img [^>]*>`)
stripHTMLReplacer = strings.NewReplacer("\n", " ", "</p>", "\n", "<br>", "\n", "<br />", "\n")
)
// StripHTML accepts a string, strips out all HTML tags and returns it.
func StripHTML(s string) string {
// Shortcut strings with no tags in them
if !strings.ContainsAny(s, "<>") {
return s
}
s = stripHTMLReplacer.Replace(s)
// Walk through the string removing all tags
b := GetBuffer()
defer PutBuffer(b)
var inTag, isSpace, wasSpace bool
for _, r := range s {
if !inTag {
isSpace = false
}
switch {
case r == '<':
inTag = true
case r == '>':
inTag = false
case unicode.IsSpace(r):
isSpace = true
fallthrough
default:
if !inTag && (!isSpace || (isSpace && !wasSpace)) {
b.WriteRune(r)
}
}
wasSpace = isSpace
}
return b.String()
}
代碼過多的細(xì)節(jié)不討論。此外，關(guān)于文章內(nèi)的代碼行數(shù)統(tǒng)計(jì)未實(shí)現(xiàn)（目前沒有想到特別好的方法，如果你有，歡迎交流）。
通過本文的分析發(fā)現(xiàn)，精準(zhǔn)統(tǒng)計(jì)字?jǐn)?shù)沒那么容易，這里涉及到很多的細(xì)節(jié)。
當(dāng)然，實(shí)際應(yīng)用中，字?jǐn)?shù)不需要那么特別精準(zhǔn)，而且對于非正常文字（比如鏈接、代碼）怎么處理，會有不同的約定。
本文涉及到的完整代碼放在 GitHub：https://github.com/polaris1119/wordscount。
常在很多網(wǎng)站編輯文本回答或發(fā)博客時，經(jīng)常會遇到有最大或最小字?jǐn)?shù)限制的問題，字?jǐn)?shù)如果少了或多了，可能發(fā)不出去或沒有平臺獎勵，好不容易編輯好的回答，又要重新修改，如此反復(fù)，很浪費(fèi)時間和精力，如果字?jǐn)?shù)少還好，可以自己數(shù)，但是字?jǐn)?shù)多了，不僅費(fèi)時間，而且自己很容易數(shù)錯，唉，所以，達(dá)芬奇今天就同大家分享幾個可以快速得到字?jǐn)?shù)多少的方法，望能幫助到需要的朋友。
方法一：通過登錄字?jǐn)?shù)計(jì)數(shù)網(wǎng)站進(jìn)行快速查詢。
打開網(wǎng)絡(luò)瀏覽器，然后在窗口網(wǎng)址輸入欄輸入以下任一網(wǎng)址，摁“enther”鍵進(jìn)入網(wǎng)站 ，然后復(fù)制你所編輯的網(wǎng)頁回答或博客文章，然后粘貼進(jìn)上述網(wǎng)址相應(yīng)位置（見下圖），即可得到文本字?jǐn)?shù)。
網(wǎng)址一：文本計(jì)數(shù)網(wǎng)（word counter）：https://wordcounter.net/
如下圖所示，word counter是一個專業(yè)的文本計(jì)數(shù)網(wǎng)站，僅需把所復(fù)制文本，粘貼在下述框圖里，便自動計(jì)數(shù)，且不僅包含文本的字?jǐn)?shù)，包括行數(shù)，段數(shù)以及相應(yīng)的關(guān)鍵詞，及關(guān)鍵詞使用次數(shù)都可得到，通過word counter不僅可得到文本的詳細(xì)信息，同時通過對關(guān)鍵詞及相應(yīng)的關(guān)鍵詞使用次數(shù)，可使文本編輯者優(yōu)化及豐富自己所用“關(guān)鍵詞”，使文本遣詞造句更加合理豐富。
網(wǎng)址2：javascriptkit
http://www.javascriptkit.com/script/script2/countwords.shtml
如下圖所示，javascriptkit提供的文本計(jì)數(shù)服務(wù)，雖不如wordcounter那么豐富，但對于我們的計(jì)數(shù)需求完全可以勝任。
方法二：借助軟件，進(jìn)行文本計(jì)數(shù)。
下載地址：https://wwc.lanzouw.com/i7OcY0b1nude，密碼:7mj3
使用方法：如下圖所示，安裝完成后，打開“notepad++”，然后粘貼復(fù)制的文本，接著點(diǎn)擊上方工具欄的“視圖”按鈕，然后下拉至“摘要”選項(xiàng)，點(diǎn)擊后，即可顯示文本的“統(tǒng)計(jì)信息”，統(tǒng)計(jì)信息即包括字符數(shù)，字?jǐn)?shù)，行數(shù)，文檔長度等。
打開word，輸入文字后，如圖，在左下方即可顯示文本字?jǐn)?shù)多少。
3, 如果你經(jīng)常性需要知道文本字?jǐn)?shù)大小，那么上述方式就顯得麻煩了，要么需要輸入網(wǎng)址或打開軟件，給大家推薦一個文本計(jì)數(shù)軟件（dragking），解壓后雙擊.ahk文件，可在軟件起動后，如果復(fù)制文本可自動顯示文本字?jǐn)?shù)大小行數(shù)列數(shù)等，快捷方便。
下載地址：https://wwc.lanzouw.com/iXxGV0b1nuub，密碼:asuy
同時如下圖所示，此軟件還可進(jìn)行多種設(shè)置，包括是否開機(jī)起動，取詞的快捷鍵，以及展示內(nèi)容和位置進(jìn)行設(shè)置。
好啦，今天達(dá)芬奇的分享就到這里啦，希望上述文本計(jì)數(shù)方式能幫到大家，同時如果你有使用過程中的問題也歡迎大家多多留言討論，點(diǎn)贊關(guān)注。
時候需要控制下文字?jǐn)?shù)，不然就會溢出，頁面就會變樣不美觀。這時我們就可以用css控制字?jǐn)?shù)，超出部分顯示省略號。可以不換行，超出部分顯示省略號，也可以可以換行，多行，超出部分顯示省略號。
1.不換行，超出部分顯示省略號
<!Doctype html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=GBK"/>
<title>用css控制字?jǐn)?shù)，超出部分顯示省略號</title>
<style type="text/css">
*{margin:0;padding:0;}
body{width:1000px;margin:100px auto;}
.box{
width:260px;
/*超出部分就隱藏*/
overflow:hidden;
/*不換行設(shè)定*/
white-space:nowrap;
/*超出部分的文字顯示省略號*/
text-overflow:ellipsis;
}
</style>
</head>
<body>
<div class="box">用css控制字?jǐn)?shù)，超出部分顯示省略號用css控制字?jǐn)?shù)，超出部分顯示省略號</div>
</body>
</html>
效果圖如下：
2.可以換行，多行，超出部分顯示省略號
<!Doctype html>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=GBK"/>
<title>可以換行，多行，超出部分顯示省略號</title>
<style type="text/css">
*{margin:0;padding:0;}
body{width:1000px;margin:100px auto;}
.box{
width:260px;
display: -webkit-box;
-webkit-box-orient: vertical;
/*2行*/
-webkit-line-clamp: 2;
overflow: hidden;
}
</style>
</head>
<body>
<div class="box">1.用css控制字?jǐn)?shù)，超出部分顯示省略號用css控制字?jǐn)?shù)，超出部分顯示省略號</div>
<div class="box">2.用css控制字?jǐn)?shù)，超出部分顯示省略號用css控制字?jǐn)?shù)，超出部分顯示省略號</div>
</body>
</html>
效果圖如下：
注：此方法適用于WebKit瀏覽器及移動端。
除注明外的文章,均為來源:湯久生博客,轉(zhuǎn)載請保留本文地址！
原文地址：http://tangjiusheng.com/divcss/169.html
*請認(rèn)真填寫需求信息，我們會在24小時內(nèi)與您取得聯(lián)系。
