[perl]如何用哈希表进行词频统计

[haibo1979]

比如一个文档：

中国 百姓 中国
百姓 人民 中国

该文档的词频：中国3，百姓2，人民1

我考虑用哈希表来做，比如将“中国”作为哈希表的一个"key"，重复次数作为"value".
不过不知道怎么具体实现，哪位大侠抽时间帮忙解答一下？
有其他好的方法实现也行。刚学PERL，实在没有头绪。

[xyzxyz1111]

#!/usr/bin/perl

open (FILE, shift) || die "Words file not specified\n";
%d = ();
while(<FILE>){
if (@uc = $_ =~/[\x80-\xff]+/gi)
{
foreach $a(@uc){
$d{$a} += 1;
}
}
}
foreach (keys %d){
printf "%s:%d\n", $_, $d{$_};
}

[haibo1979]

用哈希表进行词频统计，真的是比用循环嵌套快得多，呵呵，perl真是好阿（可惜我还是个生手），
谢谢“如是我闻”先生！！

[zrpxd]

不好意思，能不能问一下上面的（[\x80-\xff]+/gi）是什么意思啊

[genepoet]

[\x80-\xff]+/gi
指的是匹配汉字,
因为汉字是双字节编码的,所以字节首位为1的代表是汉字

[chenshibing]

把[\x80-\xff]+/gi
改为[\x80-\xff]{2,2}/gi才能正确的统计汉字的词频。
请楼上的指教下%d = ();是什么意思？指向hash表的引用？指向数组的引用？还是创建一个空的hash表
？能否顺便指教下@self = {};是什么意思

[fibbery]

%d=();是初始化一个空的哈希变量，不是引用！
()是空列表，它既可以初始化数组也可以初始化哈希变量。

[xyzxyz1111]

把[\x80-\xff]+/gi
改为[\x80-\xff]{2,2}/gi才能正确的统计汉字的词频。

--------------------------
统计的是词频，不是汉字的字频，所以无所谓了。