怎样统计一本英语书中单词相关的信息

具体含义是

1. 统计一本书的总单词数；
2. 统计单词出现的次数（词频）。

第一个很简单。在Word里就能完成了。因为Word有统计字数的功能。第二个相对要复杂一些。因为要用到EmEditor和一点数据库的操作。下面主要讲一下第二个。

首先要将这本电子书（EPUB格式）转换成DOCX格式。用什么转换工具？Calibre是最好的选择。其次用Word打开这本书后将全部内容Copy到EmEditor里。第三步把所有的空格替换成段落标记。注意要用到正侧表达式。替换掉所有数字，替换掉所有标点符号，去掉多余的空行，使保证一行一个单词后保存为TXT格式。第四步将这个文档内容导入到Access。然后再来一个Group by 单词就搞定了。

统计后发现有时真的很佩服外国的作家。因为在一本40来万单词总量的小说里，有很多单词只使用一次。

下面以Winds of War为例

总词单词数为：37万，去年数据和标点后，总单词数为38万；共用单词：19530个（不重复），只使用过1次的单词7415个！是不是比我学过的单词量都大？下面看看前24个使用频率最高的单词：

字段1	cc
The	22421
and	10441
a	10217
to	8299
of	7737
In	7061
I	5099
s	4713
he	4622
you	4191
that	3994
was	3979
it	3740
His	3476
on	3118
with	2992
had	2709
at	2654
for	2426
said	2037
this	2013
But	1877
they	1849
her	1824

是不是很有意思？

根据上面的思路，我就用上千万单词的书来建立了个词库，以后每次遇到生词时都看看词频。如果很低，那就不背这个单词了。