通过该实验，使学生掌握列表、字典、函数的使用方式，能够熟练运用for循环语句、while循环语句和if判断语句来进行词语处理，实现英文或中文单词分解，并掌握格式化输出的相关方法。 实验要求1(和实验2，二选一)： 1、实现对英文文本文件的读取(hamlet.txt)； 2、实现对英文文本文件的单词抽取； 3、实现对英文文本文件中出现频次最高的前10个单词的抽取，并降序输出； 4、(选做)实现对英文文本文件中出现频次最高的前10个名词的抽取，并降序输出(需要对单词进行筛选，使用nltk库效果会更好)；写出完整代码

下面是完整的Python代码，实现了对英文文本文件的读取、单词抽取、对英文文本文件中出现频次最高的前10个单词的抽取及降序输出、对英文文本文件中出现频次最高的前10个名词的抽取及降序输出。

import nltk
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
from collections import Counter

# 读取文件
with open('hamlet.txt', 'r') as file:
    text = file.read()

# 单词抽取
words = word_tokenize(text)

# 去除停用词
stop_words = set(stopwords.words('english'))
words = [word for word in words if not word.lower() in stop_words]

# 统计单词出现次数
word_count = Counter(words)

# 排序并输出前10个单词及其出现次数
sorted_word_count = sorted(word_count.items(), key=lambda item: item[1], reverse=True)
print('Top 10 words:')
for i in range(10):
    print(sorted_word_count[i][0], sorted_word_count[i][1])

# 提取名词
nouns = []
for word, pos in nltk.pos_tag(words):
    if pos.startswith('N'):
        nouns.append(word)

# 统计名词出现次数
noun_count = Counter(nouns)

# 排序并输出前10个名词及其出现次数
sorted_noun_count = sorted(noun_count.items(), key=lambda item: item[1], reverse=True)
print('Top 10 nouns:')
for i in range(10):
    print(sorted_noun_count[i][0], sorted_noun_count[i][1])

在上面的代码中，我们首先使用nltk库进行单词抽取，并去除了停用词。然后，使用Python内置的Counter类进行单词出现次数的统计，并进行降序排序。接着，我们使用nltk库提取名词，并统计名词出现次数，同样进行了降序排序。最终，我们输出了前10个单词及其出现次数以及前10个名词及其出现次数。