读取中文文本，然后删掉除了中文词汇以外的字符，最后统计每个词汇出现次数，然后输出前三，要求保证词汇字数大于2

这个任务通常涉及到几个步骤，包括文本预处理、分词和词频统计。首先，你需要读取中文文本文件，可以使用Python的`open()`函数配合`read()`方法。然后，利用如jieba库对文本进行分词，它是一个专门用于中文文本处理的工具。

import jieba.analyse
from collections import Counter

def process_text(file_path):
    with open(file_path, 'r', encoding='utf-8') as f:
        text = f.read()
    
    # 使用jieba库进行中文分词
    words = jieba.lcut(text)
    
    # 过滤单个字符和停用词
    filtered_words = [word for word in words if len(word) > 1 and not jieba.analyse.is_stopword(word)]
    
    # 统计词频
    word_counts = Counter(filtered_words)
    
    # 输出前三个最常出现的词汇及其频率
    top_three = word_counts.most_common(3)
    return top_three

# 示例
top_three_words = process_text('your_chinese_file.txt')
for word, count in top_three_words:
    print(f'{word}: {count}')

在这个例子中，我们假设你有一个名为`your_chinese_file.txt`的文本文件，并且已经安装了jieba库。运行上述代码后，会打印出文本中最常见的三个非单字词语以及它们各自出现的次数。