如何通过结对编程与Git实战提升软件工程实验技能？

Lab 1实验报告 实验要求 1 .读入文本并生成有向图： 将文本数据转换为有向图结构，各单词作为节点，有向边表示单词在文本中的相邻关系及其出现次数。 2. 展示有向图： 图形化展示生成的有向图，并可保存为图形文件。 3. 查询桥接词： 查询两个单词之间的桥接词，即图中存在两条边word1→word3和word3→word2，则称word3为word1和word2的桥接词。 4. 根据桥接词生成新文本： 在输入的新文本中插入旧图得到的桥接词，生成新的文本。 5. 计算两个单词之间的最短路径： 计算图中两个单词之间的最短路径，并突出显示路径。 6. 随机游走： 从图中随机选择一个节点，进行随机游走，记录路径并展示结果。 待求解问题描述 输入数据： 是纯英文的一个txt文件，可分为多行。读取文本时，换行符、回车符、标点符号以及任何非字母字符均被忽略，仅仅读入单词。 输出数据： 一个有向图，且支持依据该图进行多种操作。具体的输出有： 展示有向图、查询桥接词、根据桥接词生成新文本、计算最短路径、随机游走路径。 约束条件： 1. 有向图的结点为文本的单词，边的方向体现文本中相邻两个单词出现的顺序，边的权重体现按此顺序相邻的一对单词的出现次数， 2. 所有的操作均在文本文件生成的有向图上进行。 3. 程序以命令行或GUI方式交互，并满足所有功能需求。 算法与数据结构设计 设计思路与算法流程图 模块1：根据文本生成图 算法步骤： 打开并读取文本文件。 将文本中的所有非字母字符替换为空格，并将其转换为小写。 按空格分割文本，生成单词数组。 遍历单词数组，相邻的单词之间生成边。 将每对相邻单词添加到图中，并记录边的权重（即相邻出现的次数）。 流程图： 模块2：展示图 算法步骤： 初始化图形界面组件。 计算每个节点的位置（例如，圆周分布）。 绘制每个节点及其标签。 遍历图的边，绘制每条边及其权重。 如果是有向图，绘制箭头表示方向。 流程图： 模块3：查询桥接词 算法步骤： 输入两个单词 word1 和 word2。 检查这两个单词是否在图中。 遍历 word1 的邻接节点，检查是否有共同的邻接节点与 word2 相连。 如果找到，记录并返回桥接词列表；否则，返回提示信息。 流程图： 模块4：根据桥接词生成新文本 算法步骤： 输入新文本。 将新文本按空格分割成单词数组。 遍历新文本的每对相邻单词。 查找每对相邻单词的桥接词，并将其插入两者之间。 返回新的文本。 流程图： 模块5：计算最短路径 算法步骤： 输入起始单词和终止单词。 使用 Dijkstra算法计算最短路径。（具体算法流程在流程图给出） 返回最短路径及其长度。 流程图： 模块6：随机游走 算法步骤： 选择起始节点 执行随机游走 返回游走路径。 流程图： 数据结构设计 主要使用了以下几种数据结构来构建和操作有向图： Map (HashMap)：用于存储图的邻接表和节点。 Node：表示图中的节点。 PriorityQueue：用于实现 Dijkstra 算法的优先队列。 有向图的数据结构  Node 类： word：表示节点的名称或标识符，这里是一个单词。 distance：用于 Dijkstra 算法，表示从起点到该节点的当前已知最短距离。  Graph 类： nodes：使用 Map<String, Node> 来存储图中的所有节点，键是节点的名称，值是节点对象。 adjList：使用 Map<String, Map<String, Integer>> 来表示邻接表，键是节点的名称，值是一个嵌套的 Map，表示该节点的邻接节点及其边的权重。 Dijkstra 算法的数据结构 PriorityQueue：用于实现 Dijkstra 算法的优先队列。 PriorityQueue<Node> queue = new PriorityQueue<>(Comparator.comparingInt(Node::getDistance)); distances 和 previousNodes：用于记录从起点到每个节点的最短距离和路径。