实现对中文文本文件的读取(水浒传.txt)； 2、实现对中文文本文件的单词抽取； 3、实现对中文文本文件中出现频次最高的前10个词语的抽取，并降序输出(包含频次)； 4、(选做)实现对中文文本文件中出现频次最高的前10个人物的抽取，并降序输出

好的，我会尽力回答你的问题。

首先，实现对中文文本文件的读取可以使用 Python 的内置函数 open()，代码如下：

with open('水浒传.txt', 'r', encoding='utf-8') as f:
    content = f.read()

其中，'水浒传.txt' 是文件名，'r' 表示以只读方式打开文件，'utf-8' 是文件的编码格式。

接下来，实现对中文文本文件的单词抽取可以使用 jieba 库对文本进行分词，代码如下：

import jieba

words = jieba.lcut(content)

其中，jieba.lcut() 函数可以将文本分成一个个单词，返回一个列表。

然后，实现对中文文本文件中出现频次最高的前10个词语的抽取，并降序输出(包含频次)可以使用 Python 的 Counter 类对单词进行统计，代码如下：

from collections import Counter

word_count = Counter(words)
top10 = word_count.most_common(10)
for word, count in top10:
    print(word, count)

其中，Counter(words) 可以将单词列表转化为 Counter 对象，most_common(10) 可以返回出现频次最高的前 10 个元素，返回结果是一个列表，列表中每个元素是一个元组，第一个元素是单词，第二个元素是出现的次数。

最后，实现对中文文本文件中出现频次最高的前10个人物的抽取，并降序输出可以使用人名识别库 jieba.posseg 对分词后的词语进行筛选，代码如下：

import jieba.posseg as pseg

people = {}
for word, flag in pseg.cut(content):
    if flag == 'nr':
        if word in people:
            people[word] += 1
        else:
            people[word] = 1
top10_people = sorted(people.items(), key=lambda x: x[1], reverse=True)[:10]
for person, count in top10_people:
    print(person, count)

其中，jieba.posseg.cut() 函数可以将分词后的词语标注词性，'nr' 表示人名，筛选出人名后，使用字典统计出现次数，最后使用 sorted() 函数对出现次数进行排序，并取出前 10 个元素。