你是一名高中英语老师,教学生把英语作为一门外语来学。
你决定把整个课程体系都建立在电视剧之上。 你需要分析剧中用了哪些单词,以及这些单词重复出现的频率。
这样你就能挑出最简单的剧集作为起点,再随着时间推移逐步提高难度。
你的任务是统计一部剧的字幕中每个单词出现的次数。
这些剧的字幕只使用 ASCII 字符。
剧中人物常常说随意的英语,会使用像 they're 或 it's 这样的缩略形式。虽然这些缩略形式来自两个单词(例如 we are),但缩略形式(we're)被视为一个单词。
单词可以由任何标点符号(例如 ":"、"!" 或 "?")或空白字符(例如 "\t"、"\n" 或 " ")分隔。唯一不分割单词的标点符号是缩略形式中的撇号。
数字也被视为单词。如果字幕里说 It costs 100 dollars.,那么 100 会单独作为一个单词。
单词不区分大小写。例如,单词 you 在下面这句话中出现了三次:
You come back, you hear me? DO YOU HEAR ME?
结果中各个单词计数的顺序无关紧要。
下面这个例子涵盖了上面讨论的多个要素:
"That's the password: 'PASSWORD 123'!", cried the Special Agent.\nSo I fled.
这个字幕对应的映射结果是:
123: 1
agent: 1
cried: 1
fled: 1
i: 1
password: 2
so: 1
special: 1
that's: 1
the: 2