Считаем буквы в произведениях русской литературы

о!

А еще на основе частотного анализа можно много чего в криптографии сделать.
Кстати я думаю что если по всем произведениям литературным пройтись, то общий вид графика не поменяется

Ух ты! Новый способ ездить на двух колесах.

Я один выражу мысль «велосипед»? Статистику частотности букв можно легко найти по всему Интернету. И среднюю длину слов в предложении и среднюю длину самих слов.

Исходник ваш ужасен, к сожалению:

1) Зачем постоянно делать uc($char), да ещё и в цикле? один раз было бы достаточно.
2) getc() — не слишком эффективное решение.
3) Вместо того, чтобы сравнивать поступившую букву с массивом имеющихся, логично и удобно воспользоваться хэшем. Лишние символы можно красиво обойти регэкспом /\p{Cyrillic}/ — правда, тогда надо работать в UTF-8, но это тоже будет плюс.
4) А файлы закрыть?

и вот это, конечно…

my @out = qw(0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0);

Просто без комментариев :)

IMHO, значительно интереснее было бы посчитать частоту употребления слов с различной длиной. Она по крайней мере 100% отличается у разных авторов

Многие занимались этим, особенно те кто пишет генераторы тексты для «не хороших сайтов» Поищите в гугле «Частотный словарь», там уже есть результаты и выводы…

В «Тихом Доне» была цензура на букву Ю?

— «Война и мир» Льва Николаевича Толстого, «Тихий Дон» Михаила Шолохова… Просто первые два — это единственные, которые я читал в школе
— Редко, но метко, что называется :)
— p.s. да уж, без тегов неудобно :)

>> В романе «Мастер и Маргарита» твердый знак встречается всего лишь один раз

здесь я нашёл 192 твёрдых знака, проверьте расчёты ещё раз :)

Помниться в свое время на одном из порталов была «виселица» на базе «шуток» Русского радио и Фоменко. От нечего делать я сделал бот, который очень быстро попал в топ :)

Первым делом я выбирал случайные буквы по частотной таблицы типа

%WT = (
'О' => 10000, 'Е' => 10000, 'А' => 10000, 'Т' => 10000, 'И' => 10000, 'Н' => 10000,
'С' => 100,   'Р' => 100,   'Л' => 100,   'В' => 100,   'К' => 100,   'М' => 100,
'Д' => 1,     'У' => 1,     'П' => 1,     'Ь' => 1,     'Б' => 1,     'Я' => 1,
'Ы' => 1,     'Ч' => 1,     'Г' => 1,     'З' => 1,     'Ж' => 1,     'Ш' => 1,
'Й' => 1,     'Х' => 1,     'Ю' => 1,     'Ц' => 1,     'Щ' => 1,     'Э' => 1,
'Ф' => 1,     'Ъ' => 1   
);

Поскольку там было позволено 3 ошибки — работало безупречно.

А Punto Switcher и не знает!..

После прочтения вашего топика вспомнил о своей давней идее написания скрипта для составления TOP используемых в тексте слов. Собственное, зачем это нужно… А для того, чтобы облегчить себе жизнь при чтении литературы на неродном языке, например, английском. Берем какой-то текст на английском, или даже книгу, прогоняем через скрипт, получаем top используемых слов в порядке убывания. Прогоняем через переводчик, ознакамливаемся и приступаем к чтению. Кстати, может такого рода велосипед уже изобрели?

хмм… А мне почему-то помнится из детства, что самая часто встречающаяся буква в русском языке — это «Е»… Какую-то книжку тогда читал по методам шифровки и дешифровки, и там вот эти данные были.

«Зачем все это нужно?» Я сейчас пишу статью о свойствах шрифтов и мне пригождаются ваши данные. Частотность букв в языке — это важнейший параметр для оценки шрифтов, особенно текстовых. 50% букв, что мы встретим в русском, будут о, е, а, и, н, т, это очень отличается от 50% английского e, t, a, o, i, n. Это очень важно, например, для расчета размеров табличек в городской навигации и для понимания общего впечатления от любого шрифта на разном языке. Оно зависит во многом от того, сколько и каких форм (овальных, прямых, похожих ммежду собой или нет) мы встречаем при чтении.

Да, вот еще для чего пригождается частотность. Мы делаем распознаватель шрифтов по картинке для нашего шрифтового сервиса. И не все буквы подряд мы распознаем, а в очередности, зависящей, в том числе, от их встречаемости в языке.