编程实现基本的词频统计数据处理。对于两个输入文件，即文件A和文件B，请编写MapReduce程序，对两个文件中的词频进行统计，结果按照字母排序，得到一个新的输出文件C。下面是输入文件和输出文件的一个样例供参考。 输入文件A的样例如下： I am a student of zcst 输入文件B的样例如下： Hello Hadoop Hello HDFS Hello HBase Hello MapReduce Hello Spark 根据输入文件A和B统计得到的输出文件C的样例如下： a 1 am 1 Hadoop 1 HBase 1 HDFS 1 Hello 5 I 1 MapReduce 1 of 1 Spark 1 student 1 zcst 1 说明：针对这两个小数据集样本编写的MapReduce词频统计程序，不作任何修改，就可以用来处理大规模数据集的词频统计。可以找较大数据集，比如经典著作的文本等，进行测试验证。

好的，以下是实现基本的词频统计数据处理的MapReduce程序，可供参考：

Mapper部分：

import re
from mrjob.job import MRJob

class WordCount(MRJob):
    
    def mapper(self, _, line):
        words = re.findall(r'\w+', line.lower())
        for word in words:
            yield word, 1

Reducer部分：

from mrjob.job import MRJob

class WordCount(MRJob):
    
    def mapper(self, _, line):
        words = re.findall(r'\w+', line.lower())
        for word in words:
            yield word, 1
    
    def reducer(self, word, counts):
        yield word, sum(counts)

调用部分：

if __name__ == '__main__':
    WordCount.run()

在本例中，我们将两个输入文件作为参数传递给MapReduce作业。因此，在运行MapReduce作业时，需要将文件A和文件B作为参数传递给程序：

python wordcount.py input_fileA.txt input_fileB.txt -o output_fileC.txt

注意，这里的`wordcount.py`是指上面的代码文件名。