第7章-1 词频统计 (30 分)

致读者：本人是一名通信专业学生，仅学了4天Python ，难免有些地方写的很笨拙。
写博客一方面是为了记录自己的学习过程中遇到的问题和思考，一方面是希望能够帮助到很多和自己一样处于困惑的读者。
水平有限，博客中难免会有一些错误，有纰漏之处恳请各位大佬不吝赐教！
越努力，越幸运

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:

输出格式:

输入样例：

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:

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

解法1

import re
import sys
from collections import Counter

s = sys.stdin.read()
s = str(re.sub(r'[^0-9a-zA-Z_]', ' ', s[:s.find("#")]))
new_l = list(map(str, s.replace('.', ' ').lower().split()))
for i in range(len(new_l)):
    if len(new_l[i]) > 15:
        new_l[i] = new_l[i][0:15]
new_l = sorted(new_l)`
print(len(set(new_l)))
d = list(Counter(new_l).most_common(len(set(new_l))))
for i in range(len(set(new_l)) // 10):
    print(f'{d[i][1]}:{d[i][0]}')