降序输出这10个单词(需要对单词进行筛选，使用nltk库效果会更好)；

好的，如果需要对单词进行筛选，并使用 `nltk` 库来实现更好的效果，可以使用以下步骤：

1. 安装 `nltk` 库并下载其所需的数据（如果尚未安装和下载）。
2. 读取文本文件并将其转换为单词列表。
3. 使用 `nltk` 库中的 `stopwords` 模块加载停用词列表，并过滤单词列表中的停用词。
4. 使用 `nltk` 库中的 `pos_tag` 函数对单词进行词性标注，并仅保留名词、动词、形容词、副词等需要的词性。
5. 统计每个单词的出现次数，并保存到字典中。
6. 对字典按照值（即出现次数）进行排序，以便找到最高的前10个单词。
7. 输出前10个单词及其出现次数。

以下是使用 `nltk` 库实现的Python代码：

import re
import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
from collections import Counter

# 下载所需的数据（如果尚未下载）
nltk.download('stopwords')
nltk.download('averaged_perceptron_tagger')

# 读取文本文件并将其转换为单词列表
with open('file.txt', 'r') as file:
    text = file.read().lower()
    words = word_tokenize(text)

# 过滤停用词和不需要的词性
stop_words = set(stopwords.words('english'))
filtered_words = []
for word, pos in nltk.pos_tag(words):
    if word not in stop_words and pos[0] in 'NVAR':
        filtered_words.append(word)

# 统计每个单词的出现次数，并保存到字典中
word_counts = Counter(filtered_words)

# 找到出现次数最高的前10个单词
top_words = sorted(word_counts.items(), key=lambda x: x[1], reverse=True)[:10]

# 输出前10个单词及其出现次数
for word, count in top_words:
    print(f'{word}: {count}')

该算法使用 `nltk` 库中的 `stopwords` 模块加载停用词列表，并使用 `pos_tag` 函数对单词进行词性标注，仅保留名词、动词、形容词、副词等需要的词性。然后，使用 Python 内置的 `sorted` 函数对字典按照值进行排序，并选取前10个单词。最后，输出前10个单词及其出现次数。