（
由于本论坛不支持语法着色及格式化，只贴上部分内容
详情请进入我的博客，不足之处还望各位同学多多指正：http://blog.csdn.net/Rails/archive/2006/09/17/1232993.aspx
）

目　标：从一个文件中选出使用频率最多的30个单词

Ruby代码：

def test
  count = Hash.new(0)
  for line in open("test.txt")
    for word in line.split
      count[word] += 1
    end
  end
  p count.to_a.sort_by{|x| x[1]}[-30, 30].reverse
end

if __FILE__ == $0
  t1 = Time.now
  test
  puts t2 = Time.now - t1
end

Python代码：

from time import time
from operator import itemgetter

def test():
    count = {}
    for line in open("test.txt"):
        for word in line.split():
            count[word] = 1 + count.get(word, 0)
    print sorted(count.iteritems(), key=itemgetter(1), reverse=True)[0:30]

if __name__ == "__main__":
    t1 = time()
    test()
    print time()-t1

输出为：

[('the', 113450), ('of', 65380), ('to', 54960), ('and', 46110), ('a', 35090), ('in', 29400), ('that', 25110), ('was', 24390), ('his', 23460), ('he', 19130), ('as', 18600), ('had', 13630), ('is', 13590), ('it', 12730), ('not', 12310), ('be', 12080), ('for', 11250), ('on', 10750), ('with', 10680), ('this', 10450), ('by', 8780), ('The', 8510), ('I', 8400), ('have', 8360), ('but', 8060), ('which', 7960), ('all', 7870), ('their', 7490), ('so', 7470), ('at', 7400)]

现在两个程序的时间和内存消耗分别为(括号中为psyco/yarv的分值)：
ruby1.8.4@win32: 7.3s, 5M
ruby1.8.5@cygwin: 6.45s, 5M(6.04s, 5M)
ruby1.8.5@ubuntu: 4.25s, 3.2M(4.11s, 3.2M)

py2.5@win32: 2.34s, 3M(1.54s, 5M)
py2.5@cygwin: 2.45s, 4M(1.74s, 6M)
py2.5@ubuntu: 2.25s, 1.7M(1.34s,1.8M)

注意：尽管Ruby的内存占用量只有原来的1/20，但速度也明显慢了下来；而Python内存占用一样骤减，速度也随之提升。。

更新@2006.09.17, 22:50

这两个程序最后打印结果的那行都还可以稍稍作下改进：

Ruby的可以改为：
p count.to_a.sort_by{|x| -x[1]}[0, 30]

Python的可以改用2.5版最新引入的nlargest()函数(新发现的很棒的东东，只是Ruby目前还未包含类似的函数，Ruby1.9也没看到，只有一个max_by)：
print nlargest(30, count.iteritems(), key=itemgetter(1)) # from heapq import nlargest

更新@2006.09.18, 08:25 新增Ubuntu下的分值

结论：

Python经过这几年的发展，进步真的很大，不管是在性能还是标准库的扩充方面。而Ruby在这方面却令人有点失望，有时运行速度只及Python的1/3，YARV也形同虚设。值得注意的是两者在Ubuntu下的表现都不错，尤其是Ruby，有显著提升。