前段时间读了一篇叫《统计词话》的文章，其中介绍了一种统计一段文本中各个词出现的次数的方法，很暴力但相对来说还算比较有效。

原文中举了个例子：

举个例子来说，《青玉案》中的这句“东风夜放花千树”，如果把所有可能的两个字的组合列出来，就是：

东风 风夜 夜放 放花 花千 千树

如果再把三个字的可能组合列出来，则有：

东风夜 风夜放 夜放花 放花千 花千树

如果不考虑其它的可能，那么总共就有11个词语。当然，这其中会有很多无意义的组合，但是我们可以预想的是，这些无意义的组合将不太可能大规模地重复出现，因此在排序的过程中它们自动地就被排在高频词语之后了。

这种暴力而又简单有效的方法看起来还不错，于是我也依葫芦画瓢玩了一下。当然，我没有像原作者那样很文艺地把全宋词作为输入数据。作为一名科幻迷，我更想知道的是刘慈欣的《三体》三部曲中哪些词出现的次数最多。

与宋词不同的是，现代文学中可能存在一些较长的词，因此，我将文字组合的长度区间设为了 2 ～ 7，即一句话中所有连续的 2 ～ 7 个字都会被“暴力”地作为一个词统计。另外，虽然我有《三体》三部曲的实体书，但做这个分析需要电子版，于是抱着学习的态度在网上找到了电子版。有点麻烦的是，网上流传的电子版中大多都有不少别字，比如将“叶文洁”打成了“叶文杰”。这些别字一部分被我改过来了，另一部分除非通读否则很难发现，不过或许对结果不会有太大影响。

最后的结果如下：

需要说明的是，《三体I》中出现了 447 次“叶文”，443 次“叶文洁”，这不是错别字造成的，另外 4 次“叶文”对应的是叶文洁的妹妹“叶文雪”。另外，文中还有一些地方直接称呼她为“文洁”，因此共有 483 次“文洁”。

这只是一种粗糙的、野蛮的统计方法，比如其实上面的“叶文”其实不应该算作一个词。同时，除了正常的词外，它也找出了一些经常出现的但并不是词的文字组合，比如“了一”等。鉴于实现这个统计的代码非常简短，这个缺陷应该是可以接受的。

从上面的列表可以看出，《三体》三部曲中每一部出现频率最高的几个词，大致是主角名字、“一个”、“没有”、“他们”、“我们”等等。除此之外，你还看出了哪些有趣的东西呢？

上面只列出了出现次数最多的 100 个词，你也可以点击这儿查看《三体》三部曲中出现次数最多的 1000 个词。这个统计就差不多到此为止了，纯属娱乐，希望更多的人从科幻中得到乐趣！ :-)