freeCodeCamp 每日编程挑战解析：用 Python 求段落中最频繁的三个单词（Challenge 35: Word Frequency）-酒店常州论坛

freeCodeCamp 每日编程挑战解析：用 Python 求段落中最频繁的三个单词（Challenge 35: Word Frequency）

【免费下载链接】freeCodeCampfreeCodeCamp.org's open-source codebase and curriculum. Learn math, programming, and computer science for free.项目地址: https://gitcode.com/GitHub_Trending/fr/freeCodeCamp

本篇以 freeCodeCamp 开源仓库中「Dev Playground」超级块内每日编程挑战（Daily Coding Challenge）第 35 题「Word Frequency」为对象，完整拆解题目规格、官方测试用例与参考解法，并溯源该练习题从 Markdown 课程文件、GraphQL 抓取、数据库种子脚本到线上 API 路由的完整工程链路。读完本文，你既能独立写出通过全部测试的get_words实现，也能理解这道题在 freeCodeCamp 实际产品中是如何被分发与验证的。

挑战背景：这道题在仓库中的位置

「Word Frequency」是每日编程挑战系列的第 35 题，其唯一来源是课程 Markdown 文件 curriculum/challenges/english/blocks/daily-coding-challenges-python/68b06e589bf227324381476f.md，文件头部的 YAML 元数据定义了它的身份：

id: 68b06e589bf227324381476f：全局唯一挑战 ID，同时也是种子脚本写入 MongoDB 时使用的_id；
title: "Challenge 35: Word Frequency"；
challengeType: 29：题目类型标记，用于客户端渲染与提交流程；
dashedName: challenge-35。

在块定义文件 curriculum/structure/blocks/daily-coding-challenges-python.json 中，它排在daily-coding-challenges-python块的第 35 位，helpCategory为Python，blockLayout为legacy-challenge-list，并启用了usesMultifileEditor。该块隶属「Dev Playground」超级块，是每日挑战的内容源头；种子脚本 tools/daily-challenges/seed-daily-challenges.ts 中硬编码了EXPECTED_CHALLENGE_COUNT = 365，即这套每日挑战共 365 道，覆盖一整年。

值得一提的工程细节是：同一个挑战 ID 也存在于 JavaScript 块中，即 curriculum/challenges/english/blocks/daily-coding-challenges-javascript/68b06e589bf227324381476f.md。这意味着 Word Frequency 是一道双语言题目——JavaScript 与 Python 各有一份描述、测试与起始代码，种子脚本会按标题一一配对（详见后文「从练习题到线上功能」）。

题目规格：输入与输出的精确约定

原文档的--description--部分给出了如下完整需求：给定一段话（paragraph），返回一个由出现次数最多的三个单词组成的数组。

段落中的单词以空格分隔；
忽略大小写：例如Hello与hello视为同一个单词；
忽略标点：标点仅包括逗号（,）、句点（.）和感叹号（!）；
返回数组中的所有单词必须是小写；
返回数组按出现次数降序排列，出现次数最多的单词排在最前。

约定函数签名为get_words(paragraph)，参数为字符串，返回值为字符串数组。这组规则界定了三个核心加工步骤：清洗（去标点、统一小写）→ 分词（按空格拆分）→ 计数并排序取前三。

官方测试用例：如何验证你的实现

原文档--hints--提供了三个测试用例，每个测试都嵌在 JavaScript 的runPython调用中，借助 Python 标准库unittest.TestCase在浏览器端执行断言：

用例一：句子中出现多次编码主题词，验证计数与降序。

({test: () => { runPython(` from unittest import TestCase TestCase().assertEqual(get_words("Coding in Python is fun because coding Python allows for coding in Python easily while coding"), ["coding", "python", "in"])`) }})

用例二：句子含句点与感叹号，验证标点剥离与大小写归一。

({test: () => { runPython(` from unittest import TestCase TestCase().assertEqual(get_words("I like coding. I like testing. I love debugging!"), ["i", "like", "coding"])`) }})

用例三：标点密集、单词重复的句子，验证频率统计的稳定性。

({test: () => { runPython(` from unittest import TestCase TestCase().assertEqual(get_words("Debug, test, deploy. Debug, debug, test, deploy. Debug, test, test, deploy!"), ["debug", "test", "deploy"])`) }})

三个用例覆盖了本题的核心边界：大小写混合、句点/逗号/感叹号同时出现、以及多个单词出现次数相同（用例二中coding、testing、love、debugging均只出现一次）时取最靠前的词。这种「测试字符串内嵌断言」的写法是 freeCodeCamp 挑战的标准形态——hints中的text与testString会被解析为课程测试节点，最终通过runPython在沙箱中执行 Python 代码。

起始代码：你需要补全的骨架

原文档--seed-contents--给出的起始代码如下，函数当前仅把参数原样返回：

def get_words(paragraph): return paragraph

你的任务是把这段骨架补全为满足上述五条规则、能通过全部三个测试的完整实现。

参考解法：逐行拆解官方答案

原文档--solutions--提供了官方参考实现：

import re def get_words(paragraph): cleaned = re.sub(r'[.,?]', '', paragraph.lower()) words = cleaned.split() freq = {} for word in words: freq[word] = freq.get(word, 0) + 1 sorted_words = sorted(freq.keys(), key=lambda w: freq[w], reverse=True) return sorted_words[:3]

逐行解析其设计：

第一步（清洗）：paragraph.lower()先统一小写（满足规则 2、4），随后re.sub(r'[.,?]', '', ...)用正则替换的方式把,.?全部删掉（规则 3）。使用re模块而非str.replace链式调用，是因为一次正则替换即可覆盖多个字符类，代码更简洁。
第二步（分词）：cleaned.split()以空白为分隔符切分单词（规则 1）。Python 的str.split()在不传参时会按任意连续空白切分并自动丢弃空串，因此即使出现多个连续空格也不会产生空词。
第三步（计数）：遍历词表，用freq.get(word, 0) + 1完成「读旧值、加一、写回」的计数惯用法，等价于collections.Counter的手写版。这里体现了字典get方法带默认值参数的典型应用。
第四步（排序）：sorted(freq.keys(), key=lambda w: freq[w], reverse=True)按键（单词）在字典中查频次作为排序键，降序排列。注意它排序的是去重后的键集合，而非原始词表，因此不会因为某词出现多次而重复计算。
第五步（截取）：切片[:3]取前三个最高频单词，对应「最频繁的三个单词」的题目要求。

复杂度上，该实现为O(n + m log m)，其中n为段落单词总数（清洗与计数均为线性扫描），m为去重后的单词种类数（排序开销）。

一个值得留意的源码细节：标点集合与描述略有出入

对照题目描述（规则 3 声明标点仅为,.!）与官方解法中的正则[.,?]，可以发现一个有趣的出入：正则实际剥离的是逗号、句点和问号，并不包含感叹号!。但第三个测试用例（结尾为deploy!）依然能够通过——因为剥离后词表为["debug","test","deploy","debug","debug","test","deploy","debug","test","test","deploy!"]，其中deploy出现 2 次，deploy!仅 1 次，debug与test各 4 次；取前三时deploy（2 次）恰好压过deploy!（1 次）入围。也就是说，测试数据的设计让该差异没有暴露。编写自己的解法时，若严格按照描述剥离!（例如正则改为r'[.,!]'），同样能通过全部测试；这恰好说明以官方测试用例为准绳、同时遵循题目描述是最稳妥的策略。

并列情形的顺序保证

当多个单词频次相同（如用例二中的coding、testing、love、debugging都只出现 1 次）时，Python 的sorted是稳定排序，且本题的键源freq是普通字典（Python 3.7+ 保持插入顺序），因此并列单词按首次出现顺序保留，coding得以进入结果数组。这一点对理解预期输出至关重要。

进阶思考：解法的可替换实现

官方解法用字典 +sorted，思路直白、足够应付本题规模。若题目规模扩大或要求更严格的复杂度，可考虑以下变体（属扩展思考，非仓库内容）：

用collections.Counter(cleaned.split())一行完成计数，语义更清晰；
用heapq.nlargest(3, freq, key=freq.get)在词表很大时把排序降到O(n log 3)级别，只需维护大小为 3 的堆；
将清洗正则收紧为re.sub(r'[^\w\s]', '', paragraph.lower())可剥离所有非单词、非空白字符，泛化标点集合。

从练习题到线上功能：这道题在 freeCodeCamp 中的完整链路

Word Frequency 不只是静态练习题，它经由dev-playground超级块进入每日挑战产品线，形成了一条可完整追溯的工程链路：

内容源：挑战 Markdown 文件（即本题目所在文件）被tools/daily-challenges的种子脚本消费。脚本 tools/daily-challenges/seed-daily-challenges.ts 通过 tools/daily-challenges/helpers.ts 中queryGraphQL向本地 Gatsby 客户端的 GraphQL 端点http://localhost:8000/___graphql发起查询，按superBlock: "dev-playground"、block: "daily-coding-challenges-python"（或-javascript）过滤，并标注「客户端需在运行中才能抓取到挑战数据」。
双语言配对：combineChallenges函数（见 tools/daily-challenges/helpers.ts）将同一挑战号的 JavaScript 与 Python 版本配对，逐一校验标题、描述是否一致、测试数量是否相同，任一不匹配即抛错；随后以ObjectId(jsId)作为新文档_id，写入 MongoDB 的DailyCodingChallenges集合。
日期编排：脚本从2025-08-11T00:00:00.000Z起逐日递增（START_DATE在脚本中有硬编码校验，防止意外修改），并为每条记录生成challengeNumber、date、title、description、javascript/python两组tests与challengeFiles（数据结构见 tools/daily-challenges/types.ts）。写入采用replaceOne + upsert的 bulkWrite 幂等策略，重复运行不会产生重复文档；运行前还会核对总数是否为 365。具体执行步骤见 tools/daily-challenges/README.md：复制sample.env为.env、安装依赖、启动开启即将上线功能的主客户端，然后在tools/daily-challenges下运行pnpm seed-daily-challenges。
线上分发：挑战数据由 API 服务对外提供。路由文件 api/src/daily-coding-challenge/routes/daily-coding-challenge.ts 定义了GET /daily-coding-challenge/date/:date、/daily-coding-challenge/day/:day、/daily-coding-challenge/today、/daily-coding-challenge/month/:month、/daily-coding-challenge/all、/daily-coding-challenge/newest共六个公开接口，统一限制「不返回晚于美国中部时间当天」的题目，并对非法日期格式返回 400、未找到返回 404，同时埋点 Sentry 指标（如dcc.challenge_viewed、dcc.challenge_not_found）。值得注意，该插件注释明确说明这些接口只负责获取挑战信息，挑战提交仍走主挑战完成路由。
客户端展示：前端组件目录 client/src/components/daily-coding-challenge 下的widget.tsx（当日挑战挂件）与calendar.tsx（日历视图）负责把按日期分发的挑战渲染给学习者，完成作答后进入课程进度体系。

企业官网建设流程全解析