语言学中经常用统计数据对语言现象进行定量描写,主要用来支持语言的自动分析,其中字频和词频是最基本的统计单位,其中运用的原理主要是概率论。本文主要讨论对于单个文本文件的单字字频统计，其任务是：给定一批语料，统计其中有多少个不同的汉字（即词形，Word Type），每个汉字各出现多少次（即字频，Word Frequency）（由于汉字出现的总次数是一定的，因此可以直接用其出现的次数来代替词频）。如果语料规模足够大并且分布均匀，就可以根据字频来估计每个汉字的出现概率。（注：本文的论述基于GB2312-80）

      处理这个问题的基本思想是，建立一个动态数组，数组中的每一个元素当作一种结构，其存储的数据是某个汉字出现的频率，同时，还需建立其字频和汉字的关联，这个问题用数组的下标能很容易实现。那么怎样来建立汉字和数组下标的关联呢？由上一篇对于汉字编码的分析可以得出如下的计算公式：

     设ID是汉字对应的下标，C1、C2是汉字的两个字节的ASCII码，有

     ID=（C1-176）*94+（C2-161）

     从这个公式，我们便可以建立汉字到下标的转换。同样，我们还需要建立从下标到汉字的转换，公式如下：

     C1=ID/94+176 （先取模后求和）

     C2=ID%94+161（先取余后求和）

     利用这个原理，便可以利用机器自动的进行字频统计了。

    下面的java程序实现了统计单个文本文