华为OD机试真题精讲：新词挖掘（Python/Java/C++多语言实现）

华为OD机试真题精讲：新词挖掘（Python/Java/C++多语言实现）

一、题目描述（2025B卷高频100分题）

在自然语言处理场景中，「新词挖掘」是指从一段文本中识别出未被收录在词典中的连续字符序列，这些序列需满足特定的频率和长度条件。给定一段仅包含中文汉字的文本字符串text、词典集合dict_words、最小长度min_len、最小出现频率min_freq，请完成以下要求：

1. 提取文本中所有连续子串，过滤掉词典中已存在的子串；
2. 筛选出长度≥min_len且出现频率≥min_freq的子串作为候选新词；
3. 最终返回按出现频率降序、长度降序、字典序升序排序后的候选新词列表。

关键约束

• 文本长度1 ≤ len(text) ≤ 10^4，词典规模1 ≤ len(dict_words) ≤ 10^3；
• 子串长度范围1 ≤ min_len ≤ 5，最小频率1 ≤ min_freq ≤ 100；
• 时间限制1秒，空间限制256MB；
• 中文文本无标点符号，仅包含单个汉字组成的连