言語処理

英語の慣用的な用法を知るには，大量の英文中に現れる単語について，その前後に使われる単語を知ることが有用である．そのためには，与えられた英文を単語単位に分割し，次いで以下のような処理がその基礎となる．

（１）各単語について，前後の単語を求め，３連の単語の組を作る．この３単語の組を３連語と呼ぼう.
（２）３連語を，中央の単語によって辞書順に並べ換え，表の形で出力する．

この表を見れば，ある単語の前後に使われる単語の傾向を知ることができる．

このような問題について，以上の説明をもとに，以下の（課題 A_1）〜（課題 A_2）を解け．なお，(課題 A_1), (課題 A_2)とも，入力に用いる英文テキストファイルは，XA_1.txt を利用すること．

（課題 A_1） 与えられた英文テキストファイルを読み込み，その英文に含まれている単語数を数えるプログラムを作成せよ．

（課題 A_2） 与えられた英文テキストファイルを読み込み，その英文に含まれている３連語を辞書順に並べ換えて出力するプログラムを作成せよ．ただし，並べ換えに当たっては，単語の頭３文字を考慮し，第４文字以降は順序決定に無関係としてよい．

＜ヒント＞ ３連語を一つの構造体で表し，英文から得られた３連語のすべてを構造体の配列に格納する（ただし，文頭・文末の単語は，それぞれ左，右を空白にせよ．各種句切り記号（ ，． ”；： - など）は，直前の単語の一部とみなす）．

※例えば，与えられた英文が　"This is a pen. That is an apple." であるとき，（課題 A_2）で必要とされる処理は具体的にはつぎのようになる．

（１）最初の単語は This であり，その前が空白，後の単語が is であるから，第１の３連単語は（空白 This is），第２の３連単語は is を中心に（This is a），第３は（is a pen. ）であり，最後は（an apple. 空白）となる．
そこで，まず構造体

struct w_triple 
	{
	 　　char pre[30];
	 　　char wrd[30];
	 　　char ant[30];
	}
	

を定義し，この型 struct w_triple の配列 word[300] を定義する．
与えられた英文から３連語を抽出し，この配列の要素である word[i] に順次代入して行けばよい．
（もちろん，構造体の作成法はこの通りにする必要はない．例えば，入力文から抽出した単語（文の切れ目を表す「空白」も含む）を構造体のメンバ word[i].wrd に順番に入れて，word[i].pre, word[i].ant は空のまま，まずは構造体の配列word[ ]を作る．この配列では，文中で前後にある単語が，配列の前後の要素のメンバ word[i-1].wrd, word[i+1].wrd に含まれているので，これらの要素から取り出して word[i].pre, word[i].ant を補充してもよい．）

（２）３連語の中央の単語によって，３連語を辞書順に並べ換えるには，（１）で作成した配列 word[300] の要素 word[i] をその第２メンバ word[i].wrd の辞書順に並べ直せばよい．
ただし，構造体の配列要素を並べ換える際には，その順序は「単語の頭３文字」のみを考慮するだけでよい」としたが，それよりも短い単語には’空白’を後に付け足して，’空白’はアルファベットより前にあると考えよ．また大文字，小文字の違いは無視せよ． 　上記の例文の場合，最終結果は， 　

　(	pen.	空白	That   )
　(	is	a	pen.   )
　(	is	an	apple. )
　(	an	apple.	空白   ）
　　　　　　・・・・
　　　　　　
　( 　  空白	This	is     ）

となる．

WWWサイトアクセスログ解析

一つのWWWサイトは，数多くのページから構成されている．例えば，プログラミング実習Iの講義ページでも数十ページを含んでいる．
通常，WWWサイトが存在するサーバには，アクセスログと呼ばれるアクセス履歴ファイルがある．これを見ると，いつ，どこから（アクセスしたクライアント のIPアドレス），どのページ（ページのURL）にアクセスしたかの履歴が分かる．これを解析することで，どのページへのアクセスが多いのか，サイト全体 へのアクセスが集中する時間帯はいつなのか，など多くの情報を知ることができる．そのため，WWWサイト管理者は，マーケティングやサーバ負荷の調査など のために，アクセスログを調べていることが多い．

教科書の10章10節（p.352〜p.373）を読み，以下の（課題 A_3）〜（課題 A_4）を解け．

（課題 A_3） アクセスログ（acc20071120b.txt）を解析し，下記の内容すべてを出力するプログラムを作成せよ．

- アクセスログ全体のアクセスランキングの表示
- 曜日ごとに集計し，日曜日〜土曜日の順番で，各曜日ごとのアクセスランキングの表示
- 時間帯ごとに集計し，0時〜23時の順番で，各時間帯ごとのアクセスランキングの表示
なお，それぞれのアクセスランキングの表示はp.371の実行結果例のように行うこと．

（課題 A_4） サイトへのアクセス数が多いクライアントは，そのサイトに関心が高いとみなすことができるため，このようなクライアントの把握は，マーケティングにおいて 重要視される．また，アクセス頻度（単位時間内平均アクセス数＝アクセス数÷（最後のアクセス時刻-最初のアクセス時刻）が高いクライアントの把握も重要 である．
アクセスログ（acc20071120b.txt）を解析し，下記の内容すべてを出力するプログラムを作成せよ．

- アクセス数の多いクライアントを，アクセス数に関して降順に並べたランキング
- アクセス頻度の高いクライアントを，アクセス頻度に関して降順に並べたランキング