作為一個程序員，經(jīng)常需要閱讀英文論文、文檔、書籍。對于一些基礎不好的同學來說，最主要的攔路虎是英語單詞。計算機類文檔不同于小說，其語法、句式都比較簡單，可以說只要詞匯量有了，閱讀就很簡單。

如果能在平時提高詞匯量，那是最好不過了。雞湯警告!你必須暗自努力，然后驚艷所有人!這句話打在這里沒毛病吧，老鐵。但無所側(cè)重地背普通英語字典，恐怕效率并不高。不提前學習單詞，直接上手閱讀，遇到生詞再查，效率也提升不起來。

這里介紹一個針對專業(yè)文檔背單詞的方法：把當前文檔的所有單詞，建立一個專屬字典，先背誦這個字典，再去看書，一定能一目十行。

思路

總體思路是文件分詞統(tǒng)計，查找字典，生成新字典。

首先，有一個需要閱讀的英文文檔，給它分詞，按照單詞頻率排序;?找一個已掌握的英語詞匯表(四六級或考研等)，把上文中的單詞和本詞匯表重復的項刪除;?再找一個詞匯量大的字典，在其中查找對應解釋;?把結果存儲到一個字典文件中。

得到的字典，就是這本書的專屬字典了。業(yè)余背這個字典，相當于掌握了計算機專業(yè)英語。這個方法也適用于機械、電子等等任何專業(yè)英語的地方。

實現(xiàn)

下面，以Python神作《FluentPython》為例，用Python自帶的庫實現(xiàn)分詞、統(tǒng)計功能。首先看下它的內(nèi)容梗概。

FluentPython

CLEAR,CONCISE,ANDEFFECTIVEPROGRAMMING

LucianoRamalho

......

分詞

首先來分詞。

fromcollectionsimportCounter

importre

ct2=Counter()

patt=re.compile(r'\w+')

withopen('f1.txt','r',encoding='utf-8')asf:

forlinf.readlines():

ws=(n.lower()forninpatt.findall(l))

ct2.update(ws)

以上代碼中，導入了Counter和re模塊。

Counter負責統(tǒng)計單詞詞頻，re正則表達式分割英語單詞。得到結果ct2中是所有單詞的詞頻。

下面，把它保存下來。

withopen('result_f1.txt','w',encoding='utf-8')asf:

f.write(''.join(('%s%s\n'%(a,b)fora,binct2.most_common())))

現(xiàn)在，result_f1.txt中存儲的是這本書出現(xiàn)的單詞，而且是按照詞頻排序的，如下。

the12414

a5639

of4900

in4837

to4689

is3848

......

和預想得很像，排名靠前的基本是介詞等常用詞。

另外，比較有意思的數(shù)據(jù)是，《FluentPython》共使用詞匯9118個，其中出現(xiàn)一次的單詞有3168個。出現(xiàn)頻次最高的the達到12000次。

載入字典

下載一個比較全的字典，十萬個單詞。載入內(nèi)存，存儲在字典數(shù)據(jù)變量dicts中。

這是dict結構第一次真正存儲字典!

dictdicts=dict()

withopen('103976.txt','r',encoding='gbk')asf:

forlinf.readlines():

k=l[0:l.find('\t')]

v=l[l.find('\t')+1:]

dicts.update({k:v})

刪除認識的單詞

字典當中大量的theais，相當挑戰(zhàn)我們的容忍度，這讓旁人看了，還以為我們小學沒畢業(yè)呢。去掉去掉……

眾所周知，我們采用了小學二年級就掌握的postgrade.txt英文字典。

postgrade.txt同學們肯定耳熟能詳。神奇的是第一個單詞。abandonvt.離棄，丟棄;遺棄，拋棄;放棄……

withopen('postgrade.txt','r',encoding='utf-8')asf:

f.readline()

forlinf.readlines():

k=l[:l.find('')]

try:

deldicts[k]

exceptKeyErrorase:

pass

現(xiàn)在，字典dicts中，僅僅剩下所我們不認識的，103976-5000=98976個單詞了。

生成新字典

以詞頻單詞來查找單詞表，再把單詞和釋義存到新單詞表中，就得到新單詞表了。

withopen('f1_res.txt','w',encoding='utf-8')aswf,open('result_f1.txt','r',encoding='utf-8')asf:

forlinf.readlines():

k=l[:l.find('')]

v=dicts.get(k,None)

ifv:

wf.write('%s%s'%(k,v))

wf.close()

這里第一句，兩個with可以寫到一句話里。這樣代碼看起來比較和諧。

查字典方法，使用v=dicts.get(k,None)，這樣查不著的單詞，返回None，寫入新字典時判斷這個值，就可以了。

總結

除此處介紹的生生單個文檔字典外，還可多拿幾個領域?qū)I(yè)文檔，提取它們的常用單詞，然后生成專屬字典，這字典，相當于相關領域的專業(yè)英語字典。

這里使用Python自帶庫寫程序，效率可能不高。如果需要，可以使用pandas之類的庫來實現(xiàn)，提高效率。

以上內(nèi)容為大家介紹了用Python高效背單詞，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。http://parentadvocate.org/