应优先使用 Counter.most_common(10) 获取词频 Top10，因其基于 heapq.nlargest，时间复杂度 O(n + k log n)，优于 sorted 全排序的 O(n log n)；需预处理文本（小写、正则分词、去停用词），中文须先用 jieba 等工具分词再计数。
直接用 Counter.most_common(10)，别手写排序或遍历——这是最简、最快、最不易出错的方式。
为什么不用 sorted() 手动排序？
很多人看到“Top10”第一反应是 sorted(counter.items(), key=lambda x: x[1], reverse=True)[:10]。这能跑通，但多做了三件事：把所有键值对转成列表、全量排序、再切片。而 Counter.most_common(n) 内部用的是堆（heapq.nlargest），时间复杂度是 O(n + k log n)（k=10），远优于全排序的 O(n log n)，尤其当总词数几十万时，差距明显。
常见错误现象：sorted(...)[:10] 在处理百万级词汇时卡顿明显，且内存占用高；而 most_common(10) 响应几乎无感。
- 只要目标是固定 TopK（比如 Top10），无条件优先选
most_common(k) - 如果后续还要按字母序排同频词，再对结果二次处理，别混在第一步里做
-
most_common()返回的是list[tuple[str, int]]，不是 dict，注意类型
Counter 初始化前要不要预处理文本？
要。原始文本里混着标点、大小写、空格、换行符，直接 Counter(text.split()) 会把 "Python" 和 "python" 当不同词，"word." 和 "word" 也分开计。这不是 Counter 的问题，是输入脏。
立即学习“Python免费学习笔记（深入）”；
典型使用场景：分析英文日志、评论、爬取的网页正文。推荐预处理链：
- 转小写：
text.lower() - 用正则提取纯字母/数字词：
re.findall(r'\b[a-zA-Z]+\b', text)（跳过数字可改[a-zA-Z]） - 过滤停用词（如需）放在
Counter之后更高效：[(w,c) for w,c in counter.most_common(10) if w not in stop_words]
别在 Counter 构造时传巨大字符串——先分词再计数，否则 Counter('hello world') 会统计每个字符，不是每个词。
遇到中文怎么办？Counter 本身不支持分词
Counter 只认 Python 对象，它不管语义。中文没空格分隔，text.split() 没用，直接喂给 Counter 会按字统计（比如“你好世界”→ {'你':1, '好':1, '世':1, '界':1}），不是你要的词频。
必须先用分词工具切出词，再喂给 Counter：
- 轻量场景用
jieba：words = jieba.lcut(text)，再Counter(words).most_common(10) - 注意
jieba.lcut默认模式可能切出大量单字，加jieba.cut_for_search(text)或自定义词典提升准确率 - 别用
Counter(text)处理中文原文——那是字频，不是词频
性能影响：jieba 分词比英文正则慢一个数量级，但只做一次；Counter 计数本身仍是毫秒级，瓶颈永远在分词，不在 most_common。
真正容易被忽略的是：Top10 结果里高频词常含无意义符号（如 ''、' '、'\n'），这说明预处理漏了 strip 或正则没写对；还有人把 most_common() 误写成 most_commons()，报 AttributeError——函数名少个 s，但错误信息不提示拼写，得自己盯紧。
