关于提取网页中出现频率较高的字词

如题，怎么提取网页中出现频率较高的字词，文本中也可以，不考虑网页也可以，比如
例子
   我幻想我是一只小鸟，飞在蓝蓝的天空；我幻想我是一条小鱼，游在蓝蓝的水中；我幻想我是一只蝴蝶，隐在美丽的花丛中。例子中‘我幻想我’出现的频率比较高，应提取出来。大概就是这么个过程。