统计单词（续）

第1步：输出单个文件中的前 N 个最常出现的英语单词。功能1：输出文件中所有不重复的单词，按照出现次数由多到少排列，出现次数同样多的，以字典序排列。功能2： 指定文件目录，对目录下每一个文件执行统计的操作。 功能3：指定文件目录，是会递归遍历目录下的所有子目录的文件进行统计单词的功能。功能4：输出出现次数最多的前 n 个单词， 例如， 提示统计统计前多少名：输入10。 就是输出最常出现单词的前 10 名。 当没有指明数量的时候，我们默认列出所有单词的频率。第2步：第二步: 支持 stop words 在一本小说里， 频率出现最高的单词一般都是 "a", "it", "the", "and", "this", 这些词， 可以做一个 stop word 文件 （停词表）， 在统计词汇的时候，跳过这些词。 我们把这个文件叫 "stopwords.txt" file.

第3步: 想看看常用的短语是什么， 怎么办呢？ 先定义短语："两个或多个英语单词， 它们之间只有空格分隔". 请看下面的例子：

　　hello world //这是一个短语

　　hello, world //这不是一个短语

同一频率的词组， 按照字典序来排列。第四步：把动词形态都统一之后再计数。 想找到常用的单词和短语，但是发现英语动词经常有时态和语态的变化，导致同一个词，同一个短语却被认为是不同的。 怎么解决这个问题呢？假设我们有这样一个文本文件，这个文件的每一行都是这样构成：动词原型 动词变形1 动词变形2... ，词之间用空格分开。e.g. 动词 TAKE 有下面的各种变形：take takes took taken taking我们希望在实现上面的各种功能的时候，有一个选项， 就是把动词的各种变形都归为它的原型来统计。 功能 支持动词形态的归一化

 自己在实现第一步时，思路不清楚，网上寻找了一种自己感觉特别好的思路。

利用两个不同的文件来分别实现文件的读取以及输出到文件，利用哈希表来对读取的文件数据进行存储，自己对哈希表的掌握真的太不熟练，在小学期时，应该对数据结构深入研究了。