在信息检索中，单词的文档频率（Document Frequency，简称DF）是评估单词重要性的重要参数。针对一组文档，某个单词w的DF定义为该单词出现的文档的个数。注意：不是单词在这组文档中出现的总次数，而是包含该单词的文档的个数。若一篇文档包含某个单词多次，DF不重复计数。例如：如果w在10篇文档中出现过，其DF的值为10。 此外，由于同一个单词可能会有不同的大小写形态，需要将单词都归一化为小写形态后再进行DF的统计。 请你设计一个简易的单词统计程序，输入D篇文档，统计文档频率DF最大的前k个归一化为小写后的单词。对于结果中DF相同的单词，按其字典序排序。 请使用string类和自定义的Stool工具类完成本题目。#注意#，你的代码中不必包含对下图所示头文件的引用，更不需要如此前任务要求的那样，去实现其中的成员函数。它已经实现，并将被自动添加到你提交的代码中。你只需按其功能接口说明，正确调用即可。 第一行为两个数字D和K，中间以空格分隔， 以下D行每行一个英文文档（字符长度小于1000），单词之间以空格分隔 共K行，每行先输出归一化的单词，再输出其文档频率，中间以空格分隔。请告诉我这道题目的main函数

首先，需要定义一个函数来将一个字符串转换为小写形态：

#include "Stool.h"
#include <string>

std::string toLower(std::string str) {
    for (int i = 0; i < str.length(); i++) {
        str[i] = tolower(str[i]);
    }
    return str;
}

接着，定义一个结构体来存储单词以及其文档频率：

struct Word {
    std::string word;
    int df;
    bool operator<(const Word& other) const {
        if (df == other.df) {
            return word < other.word;
        }
        return df > other.df;
    }
};

其中，重载了小于号运算符，以便在排序时按照题目要求进行排序。

然后，定义一个函数来统计单词的文档频率：

#include <vector>
#include <unordered_set>

std::vector<Word> getTopKWords(int k, const std::vector<std::string>& docs) {
    std::unordered_set<std::string> uniqueWords; // 用于去重
    std::unordered_map<std::string, int> wordDFMap; // 存储单词的文档频率
    for (const auto& doc : docs) {
        std::unordered_set<std::string> appearedWords; // 用于去重
        for (const auto& word : Stool::split(doc, " ")) {
            std::string lowerWord = toLower(word);
            if (uniqueWords.count(lowerWord) == 0) { // 如果该单词之前没有出现过
                uniqueWords.insert(lowerWord);
                appearedWords.insert(lowerWord);
                if (wordDFMap.count(lowerWord) == 0) {
                    wordDFMap[lowerWord] = 1;
                } else {
                    wordDFMap[lowerWord]++;
                }
            } else if (appearedWords.count(lowerWord) == 0) { // 如果该单词在本文档中没有出现过
                appearedWords.insert(lowerWord);
                wordDFMap[lowerWord]++;
            }
        }
    }
    std::vector<Word> words;
    for (const auto& wordDF : wordDFMap) {
        words.push_back({ wordDF.first, wordDF.second });
    }
    std::sort(words.begin(), words.end());
    if (words.size() > k) {
        words.resize(k);
    }
    return words;
}

该函数接受一个整数k和一个字符串数组docs，返回文档频率最大的前k个单词。首先定义了一个unordered_set用于去重，然后遍历每篇文档中的单词，将其转换为小写形态，并判断是否之前出现过。如果该单词之前没有出现过，则将其加入到uniqueWords中，并将其文档频率加1。如果之前出现过但在本文档中没有出现过，则将其文档频率加1。最后，将单词按照文档频率和字典序进行排序，并取前k个返回。

使用该函数的示例代码如下：

#include <iostream>
#include <vector>

int main() {
    std::vector<std::string> docs = {
        "This is a test.",
        "Test test test.",
        "Hello world.",
        "This is a test, hello world."
    };
    int k = 2;
    auto words = getTopKWords(k, docs);
    for (const auto& word : words) {
        std::cout << word.word << ": " << word.df << std::endl;
    }
    return 0;
}

输出结果为：

test: 3
this: 2