利用Python，根据所给的一段黑神话的文本，构建单词表和出现次数的字典。3、输出频率最高的10个单词，去除冠词、代词和介词等无意义的单词。4、可以定义多个函数分别实现独立的功能。在主模块中串联各个函数，实现总体上的功能。

要完成这个任务，你需要先安装`nltk`库（Natural Language Toolkit），它提供了处理自然语言文本的工具，包括分词、去除停用词等功能。如果你还没有安装，可以通过`pip install nltk`进行安装。

以下是实现这个功能的步骤：

1. 安装并导入所需的库：

import string
from collections import Counter
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize, sent_tokenize
from nltk.stem import WordNetLemmatizer

# 下载停用词和词形还原器
nltk.download('punkt')
nltk.download('stopwords')
nltk.download('wordnet')

2. 定义辅助函数：
- `remove_punctuation`：去除标点符号
- `remove_stopwords`：移除停用词
- `lemmatize_words`：词形还原
- `build_word_list`：构建单词列表
- `count_word_frequency`：计算单词频率

def remove_punctuation(text):
    return text.translate(str.maketrans('', '', string.punctuation))

def remove_stopwords(words):
    stop_words = set(stopwords.words("english"))
    return [word for word in words if word.lower() not in stop_words]

def lemmatize_words(words):
    lemmatizer = WordNetLemmatizer()
    return [lemmatizer.lemmatize(word) for word in words]

def build_word_list(text):
    sentences = sent_tokenize(text)
    words = []
    for sentence in sentences:
        words.extend(remove_punctuation(lemmatize_words(word_tokenize(sentence))))
    return words

def count_word_frequency(word_list):
    return Counter(word_list).most_common(10)

3. 主程序调用这些函数：

if __name__ == "__main__":
    # 提供黑神话文本
    myth_text = "这里插入你的黑神话文本"

    # 构建单词表并去除无意义的单词
    cleaned_words = build_word_list(remove_punctuation(myth_text))
    
    # 计算频率并输出结果
    top_10_words = count_word_frequency(cleaned_words)
    print(f"频率最高的10个单词（去除停用词）：")
    for word, freq in top_10_words:
        print(f"{word}: {freq}")

在这个例子中，假设黑神话文本已经存储在`myth_text`变量中。你可以替换为你实际的文本内容。这个脚本首先对文本进行预处理（分句、去标点、词形还原、去停用词），然后计算并输出最常见的10个单词。