把一整部 120 回的书贴进文本频率统计
有人把一整部 120 回的公版古籍原文粘进文本频率统计的字符框，回车后榜首不是任何汉字，而是一个出现 59260 次的逗号。这份 TXT 实测 2605929 字节、5496 行、无 BOM 的单一 UTF-8，非 ASCII 字节占 99.78%。
字节、码元、汉字是三本账
这份 120 回全本的原始文件在站内资源页 红楼梦资源页，字节数由 wc -c 与 fs.statSync 双口径互证都是 2605929。界面统计栏读的是 text.length，即 UTF-16 码元 872515，比字节少 1733414，字节除以码元约 3.0；而按 /[\u4e00-\u9fff]/g 只数汉字又是 732628。把整本喂进 文本频率统计，那一格读到的是 872515，不是文件名里的 2.6 MB——三个数各说各的账，不能互相替换。
回数三法为什么差 124、112、120
宽松正则命中 124 次，不等于 120 回：124 里 120 个是回目行（【与】各出现 120 次），另 3 处落在正文叙述、1 处是不带方括号的裸回目重出。严格汉字数字正则只命中 112 次，差的 12 处全在第 100 回以后——这段回目用「零」写法，字符类没收录「零」就整批漏计，112 加 12 与 124 闭合。第三条独立证据是把 120 个汉字回目逐行写进关键词栏，总命中报 124 次、未出现 0 个。
榜首是逗号，前 10 名里 4 个标点
整榜 4454 项按次数降序，汉字第一名是「了」21221 次排第 3、比逗号少 38039 次，「的」15719 排第 4；模板只跳四类空白、标点全参与排名，于是前 10 名里混进 4 个标点。下表给前 10 名：
| 名次 | 字符 | 次数 | 占比 |
|---|---|---|---|
| 1 | ， | 59260 | 6.8 |
| 2 | 。 | 29462 | 3.4 |
| 3 | 了 | 21221 | 2.4 |
| 4 | 的 | 15719 | 1.8 |
| 5 | 不 | 15053 | 1.7 |
| 6 | 一 | 12179 | 1.4 |
| 7 | ： | 11786 | 1.4 |
| 8 | 来 | 11445 | 1.3 |
| 9 | 道 | 11059 | 1.3 |
| 10 | ” | 10682 | 1.2 |
文言虚词全在低位：之 2147 次（全榜第 75 名）、也 6116、者 416、乎 70、矣 65、焉 26、哉 26。单看「之」只有「的」的 13.7%，教科书那条字母 E 约 12.7% 的密度尺子在这里没有任何单项接近。
逐回字数与行数不成正比
120 段去空白口径平均 7211.3 字每回、汉字平均 6105.2；最长第六十二回 11760 字，最短第十二回 4215 字，差 7545、比 2.79 倍。按行排名次会整个反过来：第七十八回 123 行只有 10653 字（诗帖行多），第七十四回 25 行却有 10956 字，逐回字数榜只能按去空白字数排。
图 1：字数榜 74 回高于 78 回，行数却是 78 回 123 对 74 回 25，两套名次互换
英文词频只出 7 项网址残渣
英文词频那格的分词口径是 /[a-zA-Z]+/g，只抓连续 ASCII 字母串：732628 个汉字贡献 0 个词，整本总单词数只有 8，默认 30 项停用词吃掉 by 后榜单剩 7 项，每行各 1 次 12.5%，全是末尾来源说明里的 https、zh、wikisource、org、wiki、cc、sa 网址残渣。勾上区分大小写变 8 项（BY 漏过滤），停用词清空是 8 项且占比和 100.0%（默认那档只有 87.5%）；按回拆开喂，120 段里 119 段直接是「暂无数据」。
关键词计数读的是字样不是人物
关键词计数走 indexOf 非重叠扫描。三个角色词写三行：宝玉 3992、凤姐 1751、黛玉 1377，统计栏总命中 7120 次、未出现 0 个，三数相加正好闭合。但那格百分比是次数除以 872515 码元，宝玉显示 0.5%，按实占算是 7984 码元即 0.9151%，两格差一倍。列表不去重：黛玉写两遍就报 4 个关键词、8497 次，而文本里真实只有 7120 处。「林黛玉把花具且都放下」10 字在 23 回葬花段，「凤姐儿偏拣了一碗鸽子蛋放在刘姥姥桌上」18 字在 40 回。
三档字数口径逐档可解释
字数三档口径，每档差值都能用另一档实测解释：码元 872515 减模板跳过的四类空白 5742 得模板口径 866773；模板不吃全角空格，再减 1412 得去空白口径 865361；再减标点符号 132733 得汉字口径 732628。整榜 4454 项各自占比相加只有 81.4%，因为被跳过的空白仍留在分母。
图 2：码元到汉字四档口径逐档相减可闭合
整本一次贴进去的可行性算账
模板四个输入域都没有 maxlength，浏览器实测 .maxLength 读到 −1、getAttribute 为 null，代码里也无截断语句。按无上限口径，全文 872515 码元一次进框可容，赋值 4.7 毫秒、取回码元相等；连 3 倍全文 2617545 码元也塞得下，榜首随之变 177780 次正好三倍。代价在渲染：4454 行整表一次写入是 JS 77.3 毫秒加首帧 1046.7 毫秒约 1.12 秒，容器 scrollHeight 106896 像素对可视 320 像素，这个量级要粘贴一次算一次。
逐回跑与整本跑互相印证
120 段各跑一次字符频率共 117.7 毫秒、平均每次 0.98 毫秒，每回榜平均 953.2 项而整本一次 4454 项；但逐回次数合计 866773 与整本一次完全相等，切段不吞字。三模式耗时（Node 计时）是字符频率 58.7 到 76.9 毫秒、英文词频 3.2 到 7.0 毫秒、关键词三词 0.7 到 1.1 毫秒。文案对照 14 条判定 6 条一致、2 条冲突，冲突都落在密度口径上。
FAQ
Q：命中 124 次是不是说明有 124 回？
不是。124 是「第X回」字样出现次数，120 是回目行条数；多出的 4 处里 3 处是正文叙述用词、1 处是重复排版的裸回目。严格正则少 12 处只因「零」没进字符类。
Q：英文词频为什么几乎是空的？
切分表达式只认 ASCII 字母串，732628 个汉字进不了这张榜，整本只有末尾来源说明里的 8 个词，过滤停用词后剩 7 项残渣。
Q：那格百分比能当关键词密度吗？
不能。分母是总码元而非该词实占，宝玉显示 0.5% 而实占是 0.9151%。小文本上字频、词频与停用词的入门读数见旧文 文本频率停用词与中文计数说明。
Q：逗号当榜首有分析价值吗？
这是跳过名单不含标点所致，汉字首榜看「了」21221、虚词看「之」2147。