我有一个已经名为“cnl_done.txt”的用空格分好词的文本，要用n元模型再对其进行分词，你能给我代码吗

当使用n元模型时，我们将文本分成n个词块。然后，我们可以使用这些词块来预测下一个单词。在这个过程中，我们可以使用n-1个词块来预测下一个词块，从而得到一个n元模型。

以下是一个示例代码，使用n元模型对已分好词的文本进行分词：

import re

# 读取已分好词的文本
with open('cnl_done.txt', 'r', encoding='utf-8') as file:
    text = file.read()

# 将文本分成单词列表
words = re.findall(r'\w+', text)

# 定义n元模型的n值
n = 3

# 创建n元字典
ngrams = {}
for i in range(len(words)-n+1):
    ngram = ' '.join(words[i:i+n-1])
    next_word = words[i+n-1]
    if ngram not in ngrams.keys():
        ngrams[ngram] = []
    ngrams[ngram].append(next_word)

# 预测下一个单词
current_ngram = ' '.join(words[:n-1])
for i in range(100):
    if current_ngram not in ngrams.keys():
        break
    possible_words = ngrams[current_ngram]
    next_word = possible_words[0]
    print(next_word, end=' ')
    current_ngram = ' '.join(words[i+1:i+n-1] + [next_word])

这段代码创建一个3元模型，并输出接下来的100个预测单词。你可以根据需要调整n值和预测单词的数量。