第7章-1 词频统计 (30 分)

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

正确答案

import sys
s = sys.stdin.read()
s = s[:s.index('#')]
for k in set([i for i in s if (not i.isalnum()) and (i != '_')]):
    s = s.replace(k,' ')
l = s.lower().split()
d = {}
for i in l:
    if len(i) > 15:
        i = i[:15]
    if i not in d:
        d[i] = 1
    else:
        d[i] += 1
d = sorted(d.items(),key=lambda x:(-x[1],x[0]))
print(len(d))
for i in d[:len(d)//10]:
    print(i[1],i[0],sep=':')