python练习题7.1词频统计

请编写程序，对一段英文文本，统计其中所有不同单词的个数，以及词频最大的前10%的单词。

所谓“单词”，是指由不超过80个单词字符组成的连续字符串，但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线，其它字符均认为是单词分隔符。

输入格式:

输入给出一段非空文本，最后以符号#结尾。输入保证存在至少10个不同的单词。

输出格式:

在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写，例如“PAT”和“pat”被认为是同一个单词。

随后按照词频递减的顺序，按照词频:单词的格式输出词频最大的前10%的单词。若有并列，则按递增字典序输出。

输入样例：

This is a test.

The word "this" is the word with the highest frequency.

Longlonglonglongword should be cut off, so is considered as the same as longlonglonglonee.  But this_8 is different than this, and this, and this...#
this line should be ignored.


      
    

输出样例：（注意：虽然单词the也出现了4次，但因为我们只要输出前10%（即23个单词中的前2个）单词，而按照字母序，the排第3位，所以不输出。）

23
5:this
4:is

代码如下：

#!/usr/bin/python
# -*- coding: utf-8 -*-

import sys
#sys.stdin 标准输入
# sys.stdout 标准输出
# sys.stderr 标准错误输出

s = sys.stdin.read()
strs = s[:s.find('#')]

key = set()
for i in strs:
    if i.isalnum()==False and i!='_':
        key.add(i)
for k in key:
    strs = strs.replace(k,' ')
#去掉空格，全部变小写，变成列表
strs=strs.rstrip(' ').lower().split() #全部变小写
counts=dict()
for i in strs:
    k=i[:15] #取前15个字符
    if k not in counts:
        counts[k]=1
    else:
        counts[k]+=1
ans=sorted(counts.items(), key=lambda x:(-x[1], x[0]))
print(len(counts))

for i in range(0,int(0.1*len(counts))): #词频最大的前10%
    print(str(ans[i][1])+':'+ans[i][0])

参考课堂的程序，基本上是抄过来的。

越来越写不动了，理解能力跟不上了。~~~~(>_<)~~~~

读书和健身总有一个在路上