词频分析器

Mira 你好。我接到任务要从任务日志中提取见解，而日志有几百份。我需要一个程序，能读取一个文本文件、统计每个词出现的频率，并显示排名最高的结果。我想找出反复出现的话题，而不必手动阅读所有内容。

你要构建的内容

Enter text, or a filename to read from: sample.txt

Top 10 words:
  the       42
  and       31
  python    18
  is        16
  you       14
  ...

你需要用到

• 字符串 — 将文本拆分为单词、去除标点、转为小写
• 字典 — 统计每个词出现的次数
• 列表 — 对排名最高的结果进行排序和切片
• 文件与异常 — 从文本文件中读取
• Lambda、推导式与 zip — 列表推导式和带 key 的 sorted() 在这里很合适

提示

计数前先归一化。 在构建计数前，将所有内容转为小写并去除标点。否则 "Python"、"python" 和 "Python," 会被视为不同的词。

用字典进行计数。 遍历词。如果词已经是键，则递增其计数；如果不是，则以计数 1 添加它。使用带默认值的 .get() 会让代码很整洁。

按值对字典排序。 sorted() 接受一个 key= 参数。传入一个返回每个键对应值的 lambda，即可按频率排序。

更进一步

当核心分析功能完成后：

• 停用词。 忽略常见词如 "the"、"and"、"is"。定义一个停用词集合，并跳过其中出现的任何词。
• 可配置的 Top N。 让用户指定要显示多少个结果，而不是总是显示 10 个。
• 可视化输出。 为每个词打印一个由重复字符组成的条形图，其长度与计数成比例。即使是简单的版本，也会让输出更易读。