调用 MapReduce 对文件先进性数据清洗，再对其中中各个单词出现的次数进行统计怎么写

这个问题的回答需要结合具体的实现语言和框架来进行，我以 Hadoop MapReduce 为例进行讲解。

1. 数据清洗

首先，我们需要编写 Map 阶段的代码来进行数据清洗。代码如下：

public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>{

  private final static IntWritable one = new IntWritable(1);
  private Text word = new Text();
  
  public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
    String line = value.toString();
    line = line.replaceAll("[^a-zA-Z ]", "").toLowerCase();
    StringTokenizer tokenizer = new StringTokenizer(line);
    while (tokenizer.hasMoreTokens()) {
      word.set(tokenizer.nextToken());
      context.write(word, one);
    }
  }
}

这个代码中，我们将每一行文本作为输入，先将其中的非字母和空格字符全部替换成空格，然后将文本进行小写转换，并使用 StringTokenizer 进行分词。最后，我们将每个单词作为 key，对应的 value 设置为 1，并输出到 Reduce 阶段进行计算。

2. 单词计数

接下来，我们需要编写 Reduce 阶段的代码来进行单词计数。代码如下：

public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> {

  private IntWritable result = new IntWritable();

  public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
    int sum = 0;
    for (IntWritable val : values) {
      sum += val.get();
    }
    result.set(sum);
    context.write(key, result);
  }
}

这个代码中，我们将 Map 阶段输出的结果作为输入，对每个单词进行累加，最终输出每个单词出现的次数。

3. 驱动程序

最后，我们需要编写驱动程序来启动 MapReduce 任务。代码如下：

public static void main(String[] args) throws Exception {
  Configuration conf = new Configuration();
  Job job = Job.getInstance(conf, "word count");
  job.setJarByClass(WordCount.class);
  job.setMapperClass(TokenizerMapper.class);
  job.setCombinerClass(IntSumReducer.class);
  job.setReducerClass(IntSumReducer.class);
  job.setOutputKeyClass(Text.class);
  job.setOutputValueClass(IntWritable.class);
  FileInputFormat.addInputPath(job, new Path(args[0]));
  FileOutputFormat.setOutputPath(job, new Path(args[1]));
  System.exit(job.waitForCompletion(true) ? 0 : 1);
}

这个代码中，我们首先创建一个 Configuration 对象，并通过 Job.getInstance 方法创建一个 Job 对象。然后，我们设置 Map 阶段和 Reduce 阶段的类，以及输入输出的数据类型和路径。最后，我们调用 job.waitForCompletion 方法来启动任务，并在任务执行完毕后退出程序。

以上就是使用 Hadoop MapReduce 对文件进行数据清洗和单词计数的代码示例。如果你使用的是其他语言或框架，请参考相应的文档进行编写。