使用频率最高的10个汉字：“的在了是为有和我一与”

bxxxr · 发表于 2003-7-31 12:31:18

http://www.csdn.net/Develop/article/20/20070.shtm

bxxxr · 发表于 2003-7-31 12:32:53

　　汉字的频率统计不像英文那样公开！在网上很难找到（至少我没看见）。于是自己想办法：用JS写一个小过程“搜索gb2312汉字在网上的频率”。http://www.csdn.net/Develop/article/19/19992.shtm

　　运行两个多小时，借助baidu和google得到两份汉字频率表（gb2312的前3755字）。但发现这两个表的汉字频率相差很大（见下表）！也不知道哪一个更科学一点。我用excel把两个表排序一下，再合并成一个新表（见下表），感觉还不错。

　　请大家看看，我这个汉字频率统计，是否说的过去：）哪位有更科学、更权威的请帖一下或bxxxr#yahoo.com.cn欢迎交流！

//start mynew
1 的
2 在
3 了
4 是
5 为
6 有
7 和
8 我
9 一
10 与
11 请
12 上
13 中
14 之
15 等
16 人
17 到
18 年
19 个
20 将
21 对
22 地
23 您
24 给
25 这
26 下
27 网
28 也
29 来
30 你

carlos · 发表于 2003-7-31 15:10:34

%{
/****************************************************
400 Most frequently used GB chars.
****************************************************/
%}
struct charHz { char *name; double percent; };
%%
的, 3.500849
一, 1.703619
是, 1.345411
不, 1.307755
了, 1.283668
人, 1.081233
我, 1.014949
在, 0.964866
有, 0.846428
他, 0.826706
这, 0.748073
中, 0.717652
大, 0.670268
来, 0.642527
上, 0.636581
国, 0.624527
个, 0.594848
到, 0.514231
说, 0.508134
们, 0.495768
为, 0.442767
子, 0.441396
和, 0.440206
你, 0.436374
地, 0.430809
出, 0.425756
道, 0.421135
也, 0.412956
时, 0.412130
年, 0.402590
得, 0.396983
就, 0.389616
那, 0.382771
要, 0.370943
下, 0.366675
以, 0.349432
生, 0.343557
会, 0.342850
自, 0.340950
着, 0.335011
去, 0.330934
之, 0.327879
过, 0.327524
家, 0.324818
学, 0.313110
对, 0.311761
可, 0.310500
她, 0.305242
里, 0.300629
后, 0.297066
小, 0.293018
么, 0.276714
心, 0.273937
多, 0.270297
天, 0.262760
而, 0.260181
能, 0.253537
好, 0.253067
都, 0.252867
然, 0.251950
没, 0.244614
日, 0.238170
于, 0.237050
起, 0.235155
还, 0.233198
发, 0.232956
成, 0.232004
事, 0.229908
只, 0.229438
作, 0.224425
当, 0.222406
想, 0.217789
看, 0.216015
文, 0.214763
无, 0.213959
开, 0.211932
手, 0.211674
十, 0.211422
用, 0.208392
主, 0.204736
行, 0.203868
方, 0.202303
又, 0.202277
如, 0.201591
前, 0.200232
所, 0.197660
本, 0.197245
见, 0.196038
经, 0.189995
头, 0.189444
面, 0.188836
公, 0.188655
同, 0.187525
三, 0.185462
已, 0.183761
老, 0.182608
从, 0.181841
动, 0.178348
两, 0.176988
长, 0.176671
知, 0.176508
民, 0.174189
样, 0.169738
现, 0.169370
分, 0.168552
将, 0.168043
外, 0.167708
但, 0.167690
身, 0.167521
些, 0.166013
与, 0.165147
高, 0.162739
意, 0.161359
进, 0.161229
把, 0.158959
法, 0.158459
此, 0.158364
实, 0.156769
回, 0.156121
二, 0.155393
理, 0.154598
美, 0.152936
点, 0.152685
月, 0.152597
明, 0.152480
其, 0.152385
种, 0.151748
声, 0.151640
全, 0.151277
工, 0.149985
己, 0.148374
话, 0.146944
儿, 0.146378
者, 0.145362
向, 0.143764
情, 0.143753
部, 0.143537
正, 0.143041
名, 0.142495
定, 0.141283
女, 0.141049
问, 0.140707
力, 0.138951
机, 0.137512
给, 0.136868
等, 0.136630
几, 0.135949
很, 0.134687
业, 0.134539
最, 0.134213
间, 0.131700
新, 0.131476
什, 0.130740
打, 0.129442
便, 0.128778
位, 0.128747
因, 0.127394
重, 0.126537
被, 0.126292
走, 0.125810
电, 0.125012
四, 0.123866
第, 0.123170
门, 0.123004
相, 0.122566
次, 0.121678
东, 0.121345
政, 0.120122
海, 0.119826
口, 0.119434
使, 0.118288
教, 0.117812
西, 0.117537
再, 0.117460
平, 0.116858
真, 0.116060
听, 0.115919
世, 0.114808
气, 0.114705
信, 0.114573
北, 0.113407
少, 0.112757
关, 0.112545
并, 0.111459
内, 0.111181
加, 0.109685
化, 0.107695
由, 0.106073
却, 0.105046
代, 0.104545
军, 0.104464
产, 0.103862
入, 0.103631
先, 0.103316
山, 0.103285
五, 0.103181
太, 0.103034
水, 0.102945
万, 0.101912
市, 0.101242
眼, 0.101187
体, 0.100845
别, 0.100654
处, 0.099988
总, 0.099417
才, 0.099303
场, 0.098824
师, 0.098604
书, 0.098381
比, 0.097747
住, 0.097438
员, 0.097189
九, 0.096854
笑, 0.096279
性, 0.095783
通, 0.095327
目, 0.094628
华, 0.094296
报, 0.094190
立, 0.093914
马, 0.093403
命, 0.093383
张, 0.093070
活, 0.092784
难, 0.092669
神, 0.091301
数, 0.091243
件, 0.090981
安, 0.090869
表, 0.090741
原, 0.089937
车, 0.089804
白, 0.089789
应, 0.089767
路, 0.089668
期, 0.089414
叫, 0.089328
死, 0.089264
常, 0.089189
提, 0.088749
感, 0.088464
金, 0.088088
何, 0.088065
更, 0.087664
反, 0.087462
合, 0.087272
放, 0.087173
做, 0.086397
系, 0.085791
计, 0.085688
或, 0.085280
司, 0.084963
利, 0.084762
受, 0.084736
光, 0.084711
王, 0.084392
果, 0.084231
亲, 0.084066
界, 0.083728
及, 0.083070
今, 0.083052
京, 0.082472
务, 0.081974
制, 0.081732
解, 0.081322
各, 0.080068
任, 0.079391
至, 0.079151
清, 0.078525
物, 0.078221
台, 0.078054
象, 0.078045
记, 0.077728
边, 0.077498
共, 0.077287
风, 0.076789
战, 0.076361
干, 0.076271
接, 0.076121
它, 0.075883
许, 0.075854
八, 0.075698
特, 0.075691
觉, 0.075649
望, 0.075475
直, 0.075193
服, 0.075191
毛, 0.075090
林, 0.074843
题, 0.074605
建, 0.074596
南, 0.074475
度, 0.074446
统, 0.074402
色, 0.074190
字, 0.074014
请, 0.073937
交, 0.073778
爱, 0.073591
让, 0.073580
认, 0.073529
算, 0.073128
论, 0.072820
百, 0.072738
吃, 0.072425
义, 0.072306
科, 0.072145
怎, 0.072121
元, 0.071841
社, 0.071268
术, 0.070839
结, 0.070334
六, 0.070030
功, 0.069931
指, 0.068890
思, 0.068379
非, 0.068245
流, 0.067758
每, 0.067385
青, 0.067301
管, 0.067145
夫, 0.067138
连, 0.067046
远, 0.066691
资, 0.066471
队, 0.066006
跟, 0.065369
带, 0.065223
花, 0.065122
快, 0.064661
条, 0.064573
院, 0.064434
变, 0.064229
联, 0.064201
言, 0.064196
权, 0.064165
往, 0.064102
展, 0.063943
该, 0.063875
领, 0.063793
传, 0.063780
近, 0.063487
留, 0.063376
红, 0.063231
治, 0.062792
决, 0.062792
周, 0.062711
保, 0.061942
达, 0.061845
办, 0.061534
运, 0.061514
武, 0.061514
半, 0.061338
候, 0.061082
七, 0.061058
必, 0.060990
城, 0.060972
父, 0.060794
强, 0.060747
步, 0.060622
完, 0.060534
革, 0.060397
深, 0.060073
区, 0.059983
即, 0.059687
求, 0.059639
品, 0.059628
士, 0.059531
转, 0.059482
量, 0.059348
空, 0.058894
甚, 0.058755
众, 0.058726
技, 0.058356
轻, 0.058334
程, 0.058312
告, 0.058129
江, 0.058127
语, 0.057889
英, 0.057878
基, 0.057849
派, 0.057761
满, 0.057693
式, 0.057680
李, 0.057653
息, 0.056893
写, 0.056349
呢, 0.056342
识, 0.056331
极, 0.055787
令, 0.055467
黄, 0.055445
德, 0.055379
收, 0.055267
脸, 0.055222
钱, 0.055097
党, 0.054791
倒, 0.054738
未, 0.054546
持, 0.053845

carlos · 发表于 2003-7-31 15:11:32

%{
/****************************************************
400 Most frequently used BIG5 chars in GB code space.
The percentage is taken over all BIG5 code space.
****************************************************/
%}
struct charHz { char *name; double percent; };
%%
不, 1.647294
我, 1.503535
有, 1.331823
中, 0.769287
資, 0.649007
學, 0.469347
交, 0.423518
用, 0.404486
文, 0.378802
說, 0.371579
生, 0.350021
提, 0.348555
請, 0.335331
天, 0.331414
麼, 0.311471
之, 0.306841
還, 0.297640
對, 0.291129
都, 0.286923
機, 0.272770
自, 0.268859
而, 0.267319
心, 0.259234
成, 0.236619
何, 0.229607
章, 0.227495
但, 0.210737
當, 0.206358
嗎, 0.205663
本, 0.205378
最, 0.195193
情, 0.185013
方, 0.180739
樣, 0.175203
此, 0.172006
位, 0.169524
行, 0.166304
什, 0.160736
謝, 0.159704
日, 0.158870
正, 0.155168
話, 0.154665
?, 0.153848
華, 0.151584
比, 0.147260
應, 0.143276
種, 0.142554
教, 0.142548
分, 0.141643
像, 0.141367
手, 0.137685
次, 0.137466
打, 0.135818
太, 0.135500
路, 0.135395
關, 0.129670
間, 0.128990
鳳, 0.127011
覺, 0.125828
該, 0.125698
友, 0.124968
民, 0.122909
著, 0.122616
全, 0.120442
少, 0.120274
式, 0.117938
第, 0.117753
老, 0.115500
把, 0.114942
公, 0.113864
論, 0.112807
及, 0.112574
體, 0.110726
給, 0.110517
聽, 0.109895
水, 0.108684
裡, 0.106853
解, 0.105024
月, 0.103272
等, 0.103263
部, 0.102537
先, 0.100132
管, 0.098976
網, 0.098767
期, 0.098278
錯, 0.098239
樂, 0.097897
找, 0.097010
讓, 0.096599
由, 0.095309
選, 0.094920
較, 0.094117
數, 0.093825
內, 0.093519
場, 0.093396
它, 0.093334
快, 0.092950
至, 0.092406
立, 0.092087
目, 0.091897
望, 0.090439
更, 0.088828
考, 0.086345
難, 0.085551
喜, 0.085263
光, 0.084656
今, 0.083516
算, 0.082802
弟, 0.082499
統, 0.082474
號, 0.081804
完, 0.080762
接, 0.079914
誰, 0.076828
結, 0.075241
改, 0.074701
?, 0.072864
報, 0.072859
轉, 0.072818
黨, 0.072786
五, 0.071498
變, 0.071342
西, 0.070902
試, 0.070771
希, 0.070255
化, 0.069696
王, 0.069500
任, 0.068123
單, 0.067999
死, 0.066723
反, 0.066513
戰, 0.066187
隊, 0.065464
跟, 0.065455
必, 0.065257
平, 0.064182
色, 0.063111
檔, 0.062679
片, 0.062596
市, 0.061454
興, 0.061118
白, 0.060734
央, 0.060330
議, 0.060089
辦, 0.059885
價, 0.059852
傳, 0.059178
元, 0.058479
份, 0.057877
件, 0.057086
未, 0.056596
組, 0.056262
竹, 0.055894
投, 0.054908
曾, 0.054332
喔, 0.054052
標, 0.053881
支, 0.053675
貓, 0.052699
需, 0.052447
黃, 0.051303
視, 0.050505
腦, 0.049927
錢, 0.049393
失, 0.049332
住, 0.049163
錄, 0.048220
換, 0.047633
遠, 0.046922
形, 0.046708
備, 0.046636
幫, 0.046553
裝, 0.045773
?, 0.045496
講, 0.045329
器, 0.045179
掉, 0.043805
似, 0.043716
整, 0.043658
引, 0.043318
圖, 0.043175
?, 0.042914
識, 0.042696
邊, 0.042645
雖, 0.042275
李, 0.042139
驗, 0.042048
六, 0.041783
讀, 0.041732
?M, 0.041485
夢, 0.041439
收, 0.041400
眼, 0.041338
課, 0.041141
精, 0.040640
答, 0.039860
雄, 0.039660
票, 0.039371
早, 0.039054
曲, 0.038273
談, 0.037969
棒, 0.037953
賣, 0.037946
黑, 0.037804
百, 0.037749
勝, 0.037712
推, 0.037599
火, 0.037346
準, 0.037319
示, 0.036977
碟, 0.036924
晚, 0.036788
離, 0.036769
導, 0.036569
團, 0.036130
調, 0.036020
證, 0.035779
傷, 0.035635
永, 0.035629
排, 0.035493
殺, 0.035152
照, 0.034991
條, 0.034810
概, 0.034648
絕, 0.034493
切, 0.034270
集, 0.034256
稱, 0.034138
據, 0.034130
落, 0.034071
竟, 0.033989
盡, 0.033967
園, 0.033770
忘, 0.033741
產, 0.033712
雙, 0.033282
嘛, 0.032246
技, 0.031913
斯, 0.031733
雲, 0.031729
須, 0.031320
介, 0.031305
質, 0.030914
職, 0.030851
輸, 0.030758
畢, 0.030641
熱, 0.030469
福, 0.030283
救, 0.030253
親, 0.030173
?y, 0.030141
擊, 0.029765
終, 0.029663
嗯, 0.029635
輕, 0.029324
環, 0.029056
簡, 0.029031
趣, 0.029026
志, 0.029011
續, 0.028902
魚, 0.028860
局, 0.028469
極, 0.028320
源, 0.028259
陽, 0.028211
習, 0.028177
羅, 0.028028
疑, 0.027903
仍, 0.027650
樓, 0.027477
佛, 0.027452
煩, 0.027036
鳥, 0.026937
顯, 0.026776
眾, 0.026064
智, 0.025892
境, 0.025828
順, 0.025611
野, 0.025526
楚, 0.025462
壓, 0.025235
測, 0.024993
懂, 0.024633
嗚, 0.024624
亦, 0.024560
評, 0.024433
細, 0.024243
醫, 0.024133
屬, 0.023904
戀, 0.023874
敗, 0.023777
楊, 0.023479
甲, 0.023452
灌, 0.023371
左, 0.023332
敢, 0.023295
際, 0.023162
族, 0.023113
木, 0.023091
項, 0.022989
戲, 0.022982
博, 0.022743
營, 0.022422
善, 0.022240
歷, 0.022215
爾, 0.022180
補, 0.021996
擇, 0.021939
抓, 0.021874
石, 0.021828
歲, 0.021701
領, 0.021442
溫, 0.021204
止, 0.021087
血, 0.021045
田, 0.020917
謂, 0.020823
?, 0.020801
跳, 0.020720
爛, 0.020609
模, 0.020237
聊, 0.020201
維, 0.019991
陸, 0.019986
牛, 0.019910
忙, 0.019892
詞, 0.019888
啥, 0.019852
攻, 0.019704
江, 0.019585
警, 0.019427
夫, 0.019366
睡, 0.019326
午, 0.019307
勢, 0.019304
蘭, 0.019130
幕, 0.019105
簽, 0.019035
坐, 0.019016
控, 0.018907
翻, 0.018793
普, 0.018765
絡, 0.018574
輯, 0.018547
母, 0.018525
創, 0.018520
趙, 0.018468
舊, 0.018394
雜, 0.018368
巴, 0.018066
禮, 0.018038
仁, 0.017932
父, 0.017806
授, 0.017462
暴, 0.017369
紹, 0.017357
景, 0.017140
憶, 0.017071
尤, 0.017041
諸, 0.017032
援, 0.016991
漫, 0.016983
藝, 0.016772
惜, 0.016753
誠, 0.016607
湖, 0.016478
欲, 0.016471
麻, 0.016470
肉, 0.016450
釋, 0.016313
皮, 0.016309
莫, 0.016165
鍵, 0.016134
趕, 0.016134
筆, 0.016109
註, 0.016105
樹, 0.015996
毛, 0.015738
葉, 0.015586
衛, 0.015495
銘, 0.015462
塊, 0.015441
布, 0.015329
賞, 0.015288
載, 0.015277
播, 0.015188
升, 0.015175
鐘, 0.015084
弄, 0.015041
磁, 0.014800
螢, 0.014792
薦, 0.014759
啟, 0.014722
梅, 0.014644
策, 0.014632
檢, 0.014627
媽, 0.014572
均, 0.014519
豬, 0.014513
?, 0.014455

carlos · 发表于 2003-7-31 15:21:17

sorry... 繁体不应该这样贴 ;)

bxxxr · 发表于 2003-7-31 15:38:11

哪里找的？有没有gb2312的6763字或前3755字？先谢了！

bxxxr · 发表于 2003-7-31 15:39:57

http://www.dma.org/share_doc/autoconvert-0.3.7/gbpercent.txt

bxxxr · 发表于 2003-7-31 17:15:41

请问这个列表是根据什么排出来的？

大前提，即文字范围是什么？

这几个字找不到“您网吗页站号图啊”

carlos · 发表于 2003-8-1 12:09:04

u could download zh-autoconvert at http://packages.debian.org/stable/text/zh-autoconvert.html

there are some documents in it.

this software could judge the input file's encoding automatically by gbpercentage or big5percentage

stormful · 发表于 2003-8-1 20:55:46

看到你的贴子，我在我的网站上放了一个词频统计文件。
http://www.stormful.com/download/diy/cc.txt

它是GBK的统计。关于gb2312问题，可以通过gb2312的一、二区的定义区分。其实gb2312本身就定要了词频的两个大的分类。

这个统计主要来自小说，对于科学文章或计算机类文章可能匹配度不是很好。

如果你是要开发输入法，我可以为你统计词组的频率。

其实，这种统计并不是非常科学。这种统计基本上相当于0－gram统计。对于拼音＋＋这类软件可能是足够了。但，对于更深入的统计显然有些不足。

		自动登录	找回密码
密码			注册

使用频率最高的10个汉字：“的在了是为有和我一与”

zh-autoconvert中所带的400常用汉字表，含出现频率

繁体big5码的

请教carlos

我打不开这个！！！

再请教