中文文本统计

你在处理什么场景

写稿、做语料清洗或对比多份文案时，往往需要快速拿到字符数、行数和词频等基础指标，而不是在 REPL 里零散地写几行 len() 和 split()。中文场景下还要区分「字符」与「词」的统计口径，手工拼脚本容易重复且口径不一致。

技能做什么

cn-text-statistics 面向中文及通用文本的细粒度统计：在仅依赖 Python 标准库的前提下，汇总文本的字符、词频、行数等信息，便于在数据分析流程里做可读性检查、重复用词排查或篇幅控制。

典型用法思路：

• 将待分析文本作为输入，由技能按约定维度输出统计结果
• 关注词频时可快速发现高频词是否偏离预期
• 结合行数、字符数可做长度与结构层面的对比

适用边界

• 定位为轻量统计，不提供分词模型、情感分析或可视化报表；复杂 NLP 需另接专用库
• 统计口径以技能实现为准；中英文混排时建议在同一批样本内保持输入格式一致，避免横向对比失真
• 大文件或流式场景需自行评估内存与调用方式，技能侧未强调批处理或增量接口