另外，真要是专门做词频统计的话，还是弄现成的库，直接调用人家的api看结果就是了。论坛毕竟是开源兴致，都是靠热情发电的，和严谨的科研两回事儿。真要是上升到论文文献级别的，样本数据，如何审查这块，都未必合适。