原理

问题目标：统计目标单词在文章中出现的次数及首次出现的位置（不区分大小写，要求完全匹配）。

• ​输入处理：将目标单词和文章中的每个单词统一转为小写，实现大小写不敏感的匹配。
• ​单词分割：将文章按空格分割成独立单词，并记录每个单词的起始位置。
• ​精确匹配：仅统计完全相同的单词，排除子串情况。

步骤

1. ​输入目标单词：转为全小写形式。
2. ​读取文章：跳过换行符后读取整行。
3. ​分割单词：
   • 跳过连续空格，逐个提取单词并转为小写。
   • 记录每个单词的起始位置（在原文章中的索引）。
4. ​统计匹配：遍历所有分割后的单词，统计与目标单词完全一致的次数，并记录首次位置。
5. ​输出结果：未找到则输出 -1，否则输出次数和首次位置。

图示法表示步骤（示例：目标单词 "hello"，文章 " Hello World HELLO"）

1. ​处理目标单词：转为 "hello"。
2. ​处理文章：分割为 ["hello", "world", "hello"]，起始位置为 2, 8, 14。
3. ​统计匹配：找到两次 "hello"，首次位置为 2。
4. ​输出：2 2。

代码关键行注释

for (char &c : target) c = tolower(c);  
// 目标单词转为小写，确保大小写不敏感  

cin.ignore();  
// 清除输入缓冲区残留的换行符，避免影响后续getline  

while (pos < article.size() && article[pos] == ' ') pos++;  
// 跳过连续空格，定位到单词起始位置  

words.emplace_back(word, start);  
// 存储小写单词及其在原文章中的起始位置  

if (word == target) {  
    count++;  
    if (first_pos == -1) first_pos = start;  
}  
// 完全匹配时更新计数和首次位置  

完整代码程序

#include <iostream>
#include <string>
#include <vector>
#include <cctype>

using namespace std;

int main() {
    string target;
    cin >> target;
    
    // 将目标单词转为小写
    for (char &c : target) c = tolower(c);
    
    cin.ignore(); // 清除输入缓冲区的换行符
    string article;
    getline(cin, article);
    
    vector<pair<string, int>> words; // 存储（小写单词，在原文中的起始位置）
    
    int pos = 0;
    while (pos < article.size()) {
        // 跳过空格
        while (pos < article.size() && article[pos] == ' ') pos++;
        if (pos >= article.size()) break;
        
        int start = pos; // 记录单词起始位置
        string word;
        
        // 提取并转换单词
        while (pos < article.size() && article[pos] != ' ') {
            word += tolower(article[pos]);
            pos++;
        }
        
        words.emplace_back(word, start);
    }
    
    int count = 0, first_pos = -1;
    for (const auto &[word, start] : words) {
        if (word == target) {
            count++;
            if (first_pos == -1) first_pos = start;
        }
    }
    
    if (count == 0) cout << -1 << endl;
    else cout << count << " " << first_pos << endl;
    
    return 0;
}

时间复杂度

• ​时间复杂度：O(N + M)，其中 N 是文章长度，M 是分割后的单词数。
  • 分割文章需遍历全部字符（O(N)）。
  • 统计匹配需遍历所有单词（O(M)）。
• ​空间复杂度：O(N)，用于存储分割后的单词和位置。

总结

1. ​代码特点：
   • 通过预处理统一大小写，简化匹配逻辑。
   • 精确分割单词并记录位置，符合题目要求。
2. ​潜在问题：
   • ​标点符号处理：如单词含非字母字符（如 "hello!"），会被视为合法单词，可能与题目隐含的输入格式假设冲突。
   • ​位置计算：起始位置从 0 开始，符合题目示例要求。
3. ​适用场景：
   • 输入严格符合“单词由空格分隔”的格式时，代码正确性可保证。
   • 处理大规模数据时，线性时间复杂度表现良好。