想必你會(huì)有這樣的需求：知道一篇文章或者一本書中哪些詞匯出現(xiàn)的頻率最高。你可能認(rèn)為這需要什么復(fù)雜的付費(fèi)軟件甚至寫程序，其實(shí)不然，有個(gè)特別簡單的在線詞頻分析工具。
閑話少說，直接上網(wǎng)址：
這是教育部語言文字應(yīng)用研究所計(jì)算語言學(xué)研究室開發(fā)的“語料庫在線”。這個(gè)網(wǎng)站有一項(xiàng)功能就是詞頻分析。下面我以分析文本《阿Q正傳》為例，介紹一下該網(wǎng)站如何使用。
1.打開網(wǎng)站，左側(cè)的導(dǎo)航欄有“語料分析處理”，其中有“字詞頻率統(tǒng)計(jì)”：
2.點(diǎn)擊“字詞頻率統(tǒng)計(jì)”，注意此處一次最多可分析10萬字，如果超過這個(gè)字?jǐn)?shù)，可以分多次處理：
3.《阿Q正傳》大約一萬多字，從word里復(fù)制粘貼進(jìn)去：
4.點(diǎn)擊右側(cè)的“詞頻統(tǒng)計(jì)”，即可立刻得出結(jié)果：
5.統(tǒng)計(jì)結(jié)果可以導(dǎo)出txt，然后復(fù)制到excel里做進(jìn)一步的分析。需要注意的是，導(dǎo)出的結(jié)果會(huì)出現(xiàn)下面這種錯(cuò)位情況，需要在excel做調(diào)整，好在錯(cuò)誤只占少數(shù)：
《阿Q正傳》的統(tǒng)計(jì)結(jié)果一共是2948個(gè)字詞及符號(hào)，此處“出現(xiàn)頻率”的單位是百分比（%）：
排在第一的文字是“的”，出現(xiàn)了712次，占了全文的4.4453%。對(duì)不對(duì)呢？我們?cè)谠牡膚ord里核實(shí)一下：
在word里，查找出了747個(gè)“的”，比上面的統(tǒng)計(jì)結(jié)果多出了35個(gè)，這是為什么呢？
原因很簡單，有些“的”被切進(jìn)了其他詞，比如“似的”“別的”“的確”等等，加在一起正好是747個(gè)，一個(gè)都不少。
不過，這個(gè)工具的確有不完善之處，比如同一個(gè)詞重復(fù)出現(xiàn)，或者被切錯(cuò)，因此使用時(shí)一定要在excel里篩選一下。
如上圖所示，“趙”“趙家”“趙司”都重復(fù)出現(xiàn)了，而且“趙家”還出現(xiàn)在了“連趙家”里，核實(shí)一下word，“趙家”一詞確實(shí)出現(xiàn)了11次。
不過這個(gè)不完善之處并不妨礙使用，這個(gè)工具畢竟可以提供一個(gè)比較可靠的線索，準(zhǔn)確的數(shù)據(jù)還需要在excel里仔細(xì)統(tǒng)計(jì)。
我們來看下迅翁在《阿Q正傳》里最喜歡用哪些字詞。
單字：
這20個(gè)單字加在一起一共出現(xiàn)了5118次，占了全文的31.95%！
詞匯：
“阿Q”在語料庫里并不是一個(gè)詞，所以沒被切出，該詞在文章中出現(xiàn)了274次，應(yīng)該位居第一。
從結(jié)果來看，迅翁和大家一樣，很喜歡用口語化的詞，在一篇一萬多字的文章中就用了45次“因?yàn)椤?，用?5次“而且”！但是迅翁就是迅翁，這些普通的詞在他的筆下出神入化，構(gòu)成了文學(xué)經(jīng)典。
大家如有興趣，不妨去試一試這個(gè)工具。
