字符频率统计

字符频率分析用于统计文本中每个字符出现的次数和占比。它不只看字母，也可能包含数字、标点、空格、中文字符、符号以及不容易被肉眼看到的控制字符。这个工具适合做密码学入门分析、简单替换密码观察、文本特征提取、数据清洗、编码排查、压缩研究和导入内容质量检查。异常频率可能提示隐藏格式字符、乱码、重复分隔符、意外语言或复制粘贴残留。它不会自动解释所有原因，但能把文本的真实字符分布用可量化的方式展示出来，方便继续判断。

字符频率分析统计文本中每个字符的出现次数。实现方式使用哈希表（JavaScript 中通常为 Map）：1）逐字符遍历文本，2）对每个字符递增映射中的计数，3）按计数降序排列，4）渲染直方图（前10-20个字符，其余归入尾部桶）。算法时间复杂度为 O(N)，N 为字符数，主要开销是映射的查找和递增操作（在 V8 和 SpiderMonkey 中对常见情况几乎无额外成本）。 一个有用的细节：什么算一个字符？在 JavaScript 中，.length 返回的是 UTF-16 码元数量，而非 Unicode 码点。基本多文种平面之外的字符（表情符号、罕见 CJK 表意文字）以代理对（两个码元）编码，朴素的逐码元计数会将每个代理半部视为独立字符而多算。本页使用 Array.from(text) 或 Intl.Segmenter 来迭代码点（或字形簇），这对大多数用例来说是正确的字符定义。 一个有用的应用：频率分析是破解替换密码（Caesar、Vigenere、简单替换）的经典技术。英文字母频率分布广为人知（E、T、A、O、I、N、S、H、R 为最常见的字母，大致按此顺序），替换密码会保持频率分布不变，因此最常见的密文字母很可能映射到 E，第二常见的映射到 T，依此类推。本页是教学工具而非密码分析工具，但技术原理是相同的。 关于 Unicode 的注意事项：对于 CJK 语言，字符频率分布取决于语料库（现代小说、古典诗词、技术文本）和分析层级（字符、词、二元组、三元组）。对一部现代中文小说进行频率分析会得到一种分布；对《论语》进行分析会得到另一种分布。本页不绑定特定语料库，用户可以对任何文本运行分析。

• 哈希表（JS 中的 Map）：遍历文本、递增计数、按计数降序排序、渲染直方图；时间复杂度 O(N)，单字符开销极低。
• 代理对：BMP 之外的字符（表情符号、罕见 CJK）是两个 UTF-16 码元；朴素逐码元计数会多算；应使用 Array.from 或 Intl.Segmenter。
• 替换密码密码分析：英文字母频率 E、T、A、O、I、N、S、H、R（按常见度排序）；替换密码保持该分布不变。
• CJK 频率：取决于语料库（现代小说、古典诗词、技术文本）和分析层级（字符、词、二元组）；本页不绑定特定语料库。
• Top-N 和尾部：默认渲染前10-20个字符，其余归入尾部桶；适合在密集文本中发现规律。
• 大小写敏感：本页提供大小写敏感/不敏感切换；英文通常不区分大小写（E 和 e 是同一个字母的不同写法），CJK 始终不区分大小写（无大小写概念）。
• 性能：计数 O(N)，排序 K 个不同字符 O(K log K)；本页可在远低于一秒的时间内处理百万字符级文本，符合生产环境模式。