1.一元汉字二元汉字三元汉字
2.呈现要分析一下（汉字的多少，常见的有哪些，罕见的有哪些呈现方式等等）
3.所有文本内容都要统计（除空格回车无意义字符）
一元汉字二元汉字三元汉字，实际上就是NLP中的 N-Gram，推荐使用 NLTK 库中的 ngrams 来进行统计