拓展训练：请编写程序，对一段英文文本，统计其中所有不同单词的个数，以及词频最大的前10%的单词。 所谓“单词”，是指由不超过80个单词字符组成的连续字符串，但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线，其它字符均认为是单词分隔符。 输入格式: 输入给出一段非空文本，最后以符号#结尾。输入保证存在至少10个不同的单词。 输出格式: 在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写，例如“PAT”和“pat”被认为是同一个单词。 随后按照词频递减的顺序，按照词频:单词的格式输出词频最大的前10%的单词。若有并列，则按递增字典序输出。 输入样例： This is a test. The word "this" is the word with the highest frequency. Longlonglonglongword should be cut off, so is considered as the same as longlonglonglonee. But this_8 is different than this, and this, and this...# this line should be ignored. 输出样例：（注意：虽然单词the也出现了4次，但因为我们只要输出前10%（即23个单词中的前2个）单词，而按照字母序，the排第3位，所以不输出。） 23 5:this 4:is

下面是Python实现的代码：

import re

# 读入文本
text = ''
while True:
    line = input().strip()
    if line == '#':
        break
    text += line.lower() + ' '

# 用正则表达式提取单词
words = re.findall(r'\b\w{1,80}\b', text)

# 统计单词频数
word_dict = {}
for word in words:
    if len(word) > 15:
        word = word[:15]
    if word in word_dict:
        word_dict[word] += 1
    else:
        word_dict[word] = 1

# 输出不同单词数
print(len(word_dict))

# 输出词频最大的前10%的单词
n = int(len(word_dict) * 0.1)
top_words = sorted(word_dict.items(), key=lambda x: (-x[1], x[0]))[:n]
for i, (word, freq) in enumerate(top_words):
    print(f"{i+1}:{word}:{freq}")

代码思路：

首先读入文本，将所有的单词转换为小写，并用正则表达式提取出单词。然后遍历单词列表，统计每个单词的频数，存储在字典中。接下来，按照字典序和词频排序，输出前10%的单词。注意，题目要求词频相同的单词按字典序递增输出，所以在排序时要同时考虑词频和字典序。