Using the Gutenberg Project’s free text of Don Quijote + Unix for Poets, here are the most used (non-short) words in Miguel de Cervantes’ famous work:

• 2167 Quijote
• 2145 Sancho
• 1331 porque
• 1053 respondió
• 1027 había
•  900 merced
•  813 vuestra
•  796 todos
•  711 cuando
•  625 donde
•  614 quien
•  577 decir
•  573 caballero
•  535 hacer
•  525 aunque
•  482 aquel
•  464 aquí
•  462 estaba
•  450 sobre
•  431 está
•  416 tanto
•  414 verdad
•  409 allí
•  398 tengo
•  393 mundo
•  385 tiene
•  383 alguna
•  377 hasta
•  371 dicho
•  363 parte
•  361 entre
•  359 todas
•  358 buena
•  353 luego
•  346 cosas
•  344 menos
•  344 lugar
•  342 tenía
•  328 manera
•  328 aquella
•  327 tiempo
•  325 Panza
•  310 ahora
•  304 puesto
•  292 caballeros
•  289 ellos
•  287 mucho
•  285 fuera
•  283 puede
•  282 antes
•  281 mejor
•  281 algún
•  280 visto
•  279 Dulcinea
•  272 tierra
•  269 otras
•  258 padre
•  258 otros
•  258 hombre
•  257 hecho
•  254 haber
•  253 quiero
•  252 cielo
•  250 habían
•  248 amigo
•  247 saber
•  246 historia
•  245 camino
•  242 tener
•  240 escudero
•  239 parece
•  239 manos
•  238 días
•  234 muchas
•  231 estas
•  222 mujer
•  222 desta
•  221 será
•  219 mesmo
•  219 cuanto
•  219 cómo
•  215 quién
•  214 cabeza
•  211 punto
•  211 noche
•  207 veces
•  207 replicó
•  205 cuenta
•  203 Rocinante
•  202 parecer
•  200 razones
•  199 también
•  198 fuese
•  198 duque
•  198 diciendo
•  197 andante
•  196 muchos
•  196 estos
•  196 caballo
•  195 vuesa
•  195 nuestro
•  193 podía

CODE: tr -sc '[A-Z][a-z][áéíóú]' '[\012*]' < quijote.textfile | perl -e 'while () { print if length($_)>5; }' | sort | uniq -c | sort -rn > quijote.hist

Here’s the power law distribution of non-short words in Don Quijote:

CODE:  tr -sc '[A-Z][a-z][áéíóú]' '[\012*]' < quijote | perl -e 'while () { print if length($_)>5; }' | sort | uniq -c | sort -rn | perl -e 'while () { print $1 if $_ =~ /(\d+)/; print "\n"; } ' | uniq -c > quijote.countofcounts.powerlaw.hist

> par(bg="#fafaff", col="#111177")
> plot(quijote.countofcounts.powerlaw, log="y", type="s", lwd=4, xlab="Number of times a word appears in the text", ylab="Number of words with this frequency", main="Word Frequency in Don Quijote de la Mancha", col="#111177")

And including short words retains the power law distribution.

CODE: tr -sc '[A-Z][a-z][áéíóú]' '[\012*]' < quijote | uniq -c | sort -rn | perl -e ‘while (<>) { print $1 if $_ =~ /(\d+)/; print “\n”; } ’ | uniq -c > quijote.countofcounts.powerlaw.hist.shortwordstambien