Counter比手写字典循环更快，因其底层用C实现哈希计数逻辑，避免Python层反复判断键存在；预处理需先分词（如re.findall(r'\b[a-zA-Z]+\b', text.lower())），再传入Counter。
Counter 为什么比手写字典循环更快
因为 Counter 底层用 C 实现了哈希计数逻辑，避免了 Python 层面反复判断键是否存在（比如 if word in freq: freq[word] += 1 else: freq[word] = 1），尤其在处理万级单词时，性能差距明显。它本质是 dict 的子类，所有字典操作都可用，但初始化和更新更专注频次统计。
如何正确预处理文本再喂给 Counter
直接对原始字符串调用 Counter(text) 会按字符计数，不是单词——这是最常踩的坑。必须先分词，且要注意标点、大小写、空格：
- 用
re.findall(r'\b[a-zA-Z]+\b', text.lower())提取纯字母单词（\b确保边界，排除 "don't" 中的 "t"） - 避免用
str.split()，它无法处理逗号后没空格的情况（如 "hello,world" → ["hello,world"]） - 如果需要保留常见缩写（如 "don't", "it's"），正则可改为
r"\b[a-zA-Z]+(?:'[a-zA-Z]+)?\b"
示例：
from collections import Counter
import re
<p>text = "Hello world! Hello Python. Python is great, isn't it?"
words = re.findall(r'\b[a-zA-Z]+\b', text.lower())
counter = Counter(words)</p><h1>Counter({'hello': 2, 'world': 1, 'python': 2, 'is': 1, 'great': 1, 'isnt': 1, 'it': 1})
用 most_common() 和 update() 解决高频场景
most_common(n) 返回前 n 个高频项列表，类型是 list[tuple[word, count]]，不是字典——别直接当 dict 用；update() 支持叠加多个词表，比手动 for 循环合并高效：
- 取 Top 10：
counter.most_common(10) - 合并两批文本：
counter1.update(words_list2)，等价于counter1 += Counter(words_list2) - 清零某个词：
del counter['the']（不是counter['the'] = 0，后者仍存在键） - 注意：
counter.elements()返回迭代器，不是列表，要转成 list 才能重复使用
小心 Counter 的“假删除”和内存陷阱
Counter 不会自动过滤频次为 0 或负数的项。比如你做减法 counter1 - counter2，结果里频次 ≤ 0 的键全被删了；但若用普通减法 counter1['word'] -= 1，哪怕变成 0，键还在——后续 most_common() 仍会包含它，可能干扰分析。
立即学习“Python免费学习笔记（深入）”；
真正想清理，得显式调用：
# 删除所有频次 <= 0 的项 [counter.pop(word) for word in list(counter.keys()) if counter[word] <= 0]或者初始化时就用
Counter(filter(lambda w: w, words)) 过滤空字符串。
大文件统计时，别一次性读入再分词，改用生成器逐行处理，否则 Counter 会吃光内存——它的优势在算法，不在内存管理。
