Statistiques sur fichiers txt

Salut tout le monde !
Je suis apprenti programmeur et je cherche a faire une analyse statistique sur des fichiers textes. Il s'agit en fait de programmer un module qui sera intégré dans un anti-spam.
On doit donc compter chaque mot et l'ajouter a un fichier de référence au cas ou ce serait des mots indésirables.
Bien évidemment on ne prend pas en compte les mots comme "de", "et", "le", "la". Il faut donc prendre en compte les mots qui ont plus de 3 caractères (mots significatifs).
J'ai juste besoin d'une idée algorithmique, plutot que tout le code.
Voilà, j'espère que vous pourrez m'aider.
Une réponse avant mercredi serait vivement souhaitée...
Merci de toute réponse ;)
@+

Tu considère ta chaine de caractere comme un signal et tu passe tu fais une transformée de fourier dessus ainsi tu fais un calcul de différence de transformée de fourier sur tout tes emails.


be linux

je ferais peut-etre un truc du genre :

lire le fichier de référence ouvrir le fichier à analyser lire le premier mot du fichier à analyser si le mot est contenu dans le fichier de référence alors incrémenter le compteur de mots indésirables fin si tant que pas fin de fichier lire mot suivant du fichier à analyser si le mot est contenu dans le fichier de référence alors incrémenter le compteur de mots indésirables fin si fin tant que fermer tout