验证齐普夫定律实验，我需要一个统计我获得的汉语数据进行词频统计，并输出想要词语和出现次数

验证齐普夫定律（Zipf's Law），通常用于分析语言中单词的频率分布。它表明，在许多自然语言中，最常用的词出现得最多，而较少使用的词出现得越来越少，形成一种幂律分布。为了进行这个实验，你需要按照以下步骤操作：

1. **数据收集**：收集大量的汉语文本数据，例如网络文章、书籍或新闻等。

2. **预处理**：清洗数据，去除标点符号、数字和其他非文字字符，将所有文本转换为小写，以便统一处理。

3. **分词**：利用中文分词工具（如jieba库）对文本进行切分，得到一个个单独的词汇。

4. **词频统计**：创建一个字典（Python可以使用collections.Counter），遍历每个词并计算其出现次数。

5. **齐普夫拟合**：检查统计结果是否遵循齐普夫定律，通常通过绘制词频排序后的曲线图，如果呈现出接近直线的趋势，那么就支持齐普夫定律。

6. **输出结果**：找出频率最高的前几个词及其出现次数，或者直接打印出整个词汇表及其对应的频率。

下面是一个简单的Python代码示例：

import jieba
from collections import Counter

def count_words(text):
    words = jieba.lcut(text)
    word_counts = Counter(words)
    return word_counts.most_common()

# 示例文本
text = "这里是一段示例的中文文本，包含一些常用和不常用的词语..."

word_counts = count_words(text)

for word, freq in word_counts[:10]:  # 输出最常见的10个词及频率
    print(f"{word}: {freq}")