四六级，用Python这样来过

点击上方“简说Python”，选择“置顶/星标公众号”

福利干货，第一时间送达！

本文授权转载自：小詹学Python

我拿 12 年 36 套四级真题做了什么 ?

不会英语的程序员不是好程序员 ？小詹不敢乱立 flag ，但是我知道的是程序员就喜欢自己动手干些实事 ，比如今天教大家自己动手做个有意思的项目——从历年四级英语真题中获取词频最高的 5000 个词汇 ，并进行翻译 ！综合用到了爬虫 、数据分析等知识 ，亲爱的读者们不来试试吗 ?

程序介绍

这是一个单词频率统计程序 ，基于python3 ，我将往年真题按照词频排序得到了四级词库 ：总结出了 5000 个出现频率极高的单词 。

• 自动批量收集文件中的英语单词 txt (utf-8)  

• 统计排序保存到本地数据库 voca.db  

• 翻译英文得到中文解释  

• 数据库文件提取得到csv表格

在结合到大量的往年 cet-4 真题库的情况下

• 本软件成为了考试必备词库  

• 希望大家都能轻松过四级  

工作流程

1. settings.py 配置查询文档。

2. work.py 自动分析数据保存至voca.db数据库文件。

3. translate.py 自动打开数据库调用api翻译单词并保存到数据库里。

4. db2csv.py 将数据库文件转换成csv表格文件

• python work.py

• python translate.py

• python db2csv.py

具体实现

(1)数据 （docx 复杂的文档结构不好用，可以在word里面以txt方式保存）

(2)读入文件拿到所有单词

def _open_file(self,filename):#打开文件，返回所有单词list
    with open(filename,'r',encoding='utf-8')as f:
          raw_words = f.read()        
        low_words = raw_words.lower()
        words = re.findall('[a-z]+',low_words) #正则re找到所有单词
    return words

(3)剔除 常用单词（is am are do……）

def _filter_words(self,raw_words,count=NUMBERS):#载入未处理的所有单词列表 和 默认count值
    new_words = []
    for word in raw_words:#找出非exclude 和 长度大于1 的单词 -> new_words
        if word not in exclude_list and len(word) > 1:
            new_words.append(word)
            pass

(4)计数

from collections import Counter #计数器
pass
c = Counter(words) #list new_words
return c.most_common(5000) #拿到出现次数最多的5000单词，返回从大到小的排序list[(and,1),....]

(5)数据库初始化 peewee模块

from peewee import * 
db = SqliteDatabase('voca.db')
class NewWord(Model):
# 单词名
name = CharField()
# 解释
explanation = TextField(default='')
# 词频
frequency = IntegerField(default=0)
# 音标
phonogram = CharField(default='')
class Meta:
    database = db

(6)加入单词到数据库

def insert_data(self,words_times):
    # 向数据库内插入数据
    for word,fre in words_times:            
        word_ins = NewWord.create(name = word , frequency = fre) #直接调用create
        book.is_analyzed = True
        book.save()

(7)翻译

#iciba翻译函数
def trans(self, word):
    url = 'http://www.iciba.com/index.php?a=getWordMean&c=search&word=' + word
    try:
        req = requests.get(url)
        req.raise_for_status()
        info = req.json()
        data = info['baesInfo']['symbols'][0]
        assert info['baesInfo']['symbols'][0]
        # 去除没有音标的单词
        assert data['ph_am'] and data['ph_en']
        # 去除没有词性的单词
        assert data['parts'][0]['part']
    except:
        return ('none','none')
    ph_en = '英 [' + data['ph_en'] + ']'
    ph_am = '美 [' + data['ph_am'] + ']'
    ex = ''
    for part in data['parts']:
        ex += part['part'] + ';'.join(part['means']) + ';'
    return ph_en+ph_am, ex  
#调用翻译函数，保存中文到数据库
for i in NewWord.select():
    i.explanation = str(t.trans(i.name)[1])
    i.save()

(8)提取所有单词到csv

import csv
#提取所有数据库内容生成迭代对象 yield ~ 好好看看如何使用
def extract()
    pass
    for word in NewWord.select():
        for i in [word.name, word.explanation, word.frequency]:
            datas.append(i)   
    yield datas
#保存函数 
def save(data):
    with open('words.csv', 'a+', errors='ignore', newline='')as f:
        csv_writer = csv.writer(f)
        csv_writer.writerow(data)
#主程序
datas = extract() #yeild 迭代对象
while True:
    try:
        data = next(datas)
    except:
        break
    save(data)

收获成果啦

翻译过程

出现次数最多的简单词

出现次数较少，值得一背的词

上述完整代码和获取到的统计结果（5000个高频词）分享到公号【小詹学python】，公号后台回复关键词 “四级” 即可获取 。最后 ，小詹只想说 so 因吹斯听~

留言祝老表今天四级顺利考过吧~

我先来祝同样今天考四六级的读者朋友顺利通过，运气爆棚，祝大家周末愉快。

老表12月赠书20本，点击图片下方图片

Python小技能入门四篇

~执行上面一条龙操作有福利哦~