Для нашего эксперимента возьмем обучающие тексты на английском с хорошим переводом на русский. Для начала все тексты с раздела, на который ведет ссылка скопируем в самые обычные текстовые файлы RU.txt и EN.txt. Посчитаем, сколько раз какая буква встречается в файле с помощью простого скрипта bash, приведенного в конце статьи. Всего букв английского алфавита в анализируемом тексте встретилось 58158, а в русском переводе получилось 61325 букв. То, что перевод на русский получается длиньше, связано с информационной емкостью языка...

Только вы найдете и выучите одно правило, которое должно охватывать все непредвиденные обстоятельства, как всплывает исключение!