在网络上任意找两本文学作品的txt文件（中文和英文各找一本），编写程序访问该文件，对其中出现的人物频率进行分析，输出排名前十的人物名称和出现次数。要求做必要的过滤。

好的，这是一个比较有趣的任务，需要用到一些自然语言处理和文本处理的技术。以下是我给出的程序实现步骤：

1. 首先，我们需要下载两本文学作品的 txt 文件，一本中文，一本英文。可以在网上找到一些免费的文学作品资源网站，例如 Project Gutenberg。

2. 程序需要读取文本文件，并将文本内容转换成字符串。

3. 对于中文文本，我们需要使用一些中文分词工具，例如 jieba 分词库，对文本进行处理，将文本分成词语的序列。

4. 对于英文文本，我们可以使用 Python 的内置字符串处理函数，将文本按照空格和标点符号进行分词。

5. 接下来，我们需要对文本中出现的人物名称进行提取。对于中文文本，我们可以使用 jieba 分词库中的实体识别功能来提取人名。对于英文文本，我们可以使用 Python 的正则表达式库 re 来匹配人名。

6. 需要对人名进行一些过滤，例如排除一些常见的词语，如“他”“她”“它”等等，以及排除一些无意义的符号。

7. 最后，我们需要对提取出来的人名进行计数，并输出排名前十的人名和出现次数。

下面是一份基于 Python 的代码示例，用于实现上述步骤：

import jieba
import re
from collections import Counter

# 读取文本文件
with open('chinese.txt', 'r', encoding='utf-8') as f:
    chinese_text = f.read()

with open('english.txt', 'r', encoding='utf-8') as f:
    english_text = f.read()

# 中文文本分词
chinese_words = jieba.cut(chinese_text)

# 英文文本分词
english_words = re.findall(r'\b\w+\b', english_text)

# 提取人名
chinese_names = []
for word in chinese_words:
    if len(word) > 1 and word != '\r\n':
        chinese_names.append(word)

english_names = []
for word in english_words:
    if word[0].isupper() and len(word) > 1:
        english_names.append(word)

# 过滤人名
stop_words = ['他', '她', '它', '的', '是', '在', '了', '和', '与', '等', '这', '那', '这个', '那个']
chinese_names = [name for name in chinese_names if name not in stop_words]
english_names = [name for name in english_names if name not in stop_words]

# 计数并输出前十名人名
chinese_counter = Counter(chinese_names)
print('中文文本中出现频率最高的人物：')
for name, count in chinese_counter.most_common(10):
    print(name, count)

english_counter = Counter(english_names)
print('英文文本中出现频率最高的人物：')
for name, count in english_counter.most_common(10):
    print(name, count)

注意，在使用 jieba 分词库时，需要先安装 jieba 库，并下载 jieba 分词库的模型文件。在使用正则表达式时，需要注意匹配英文单词的规则，可以根据实际情况进行调整。