用python编写程序找出文档中出现次数前10多的单词或者人名。（最好是文学作品，英文要求单词最多，中文要求输出人名最多，哈姆雷特和三国演义除外）。要求程序可实际运行

对于英文文本，我们可以使用Python的`nltk`库来完成词频统计，然后选择最常见的10个单词。这里假设你已经有了一个文本文件：

import nltk
from nltk.corpus import stopwords
from collections import Counter

# 加载停用词
stop_words = set(stopwords.words('english'))

def top_10_words(file_path):
    # 读取文本内容
    with open(file_path, 'r') as file:
        text = file.read().lower()

    # 分词
    words = nltk.word_tokenize(text)

    # 移除停用词
    filtered_words = [word for word in words if word not in stop_words and word.isalpha()]

    # 统计词频
    word_counts = Counter(filtered_words)

    # 获取最常出现的10个单词
    most_common_words = word_counts.most_common(10)
    print("Top 10 common words:")
    for word, count in most_common_words:
        print(f"{word}: {count}")

# 调用函数
top_10_words('your_text_file.txt')

请注意，你需要下载`punkt`和`stopwords`数据包：`nltk.download('punkt')` 和 `nltk.download('stopwords')`。

对于中文文本，我们可以使用jieba库来分词，并统计出现频率最高的名字：

import jieba.analyse
import re

def top_10_names(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        text = file.read()

    # 使用正则表达式提取人名，这只是一个基本的模式匹配，实际需要更复杂的命名实体识别技术
    names = re.findall(r'[A-Za-z\u4e00-\u9fa5]+', text)

    # 统计人名频率
    name_counts = Counter(names)
    top_names = name_counts.most_common(10)

    print("Top 10 common names:")
    for name, count in top_names:
        print(f"{name}: {count}")

# 调用函数
top_10_names('your_text_file.txt')

记得替换`'your_text_file.txt'`为你实际的文件路径。