PTA-Python-第7章-1 词频统计 (30分)

点击链接PTA-Python-AC全解汇总

题目：
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

我的思路：
一行行读取数据，这行出现了#则停止；
每一行把除了字母、数字、#、_以外的所有字符全部替换成空格；
截取这一行#前面的部分（没有则整行）；
然后再用split隔开所有单词；
把单词统计到dict：word_times里；

所有行结束后，根据value降序排序，输出前面10%个；
但是不知道为什么我注释的那行写法不行，两个case过不去，求大佬指点！

我的代码：

word_times=dict()
cnt_word=0
flag=True
while flag:
    string = input()
    string = string.lower()
    flag = string.find("#")==-1
    for x in string:
        if x.isalnum()==False and x!="_" and x!="#":
            string = string.replace(x, " ")#全部用" "隔开
    string = string.split("#")[0].split()#只要#前面的
    for i in range(len(string)):
        if string[i]!="":
            string[i]=string[i][:15]
            if string[i] in word_times.keys():
                word_times[string[i]]+=1
            else:
                word_times[string[i]]=1
                cnt_word+=1
# 不知道为什么这样写后两个case会错误
# word_times=sorted(word_times.items(),key=lambda x:x[1],reverse=True)
word_times=sorted(word_times.items(),key=lambda x:(-x[1],x[0]))
print(cnt_word)
for i in range(cnt_word//10):
    print("%s:%s"%(word_times[i][1],word_times[i][0]))