作为一个程序员，经常需要阅读英文论文、文档、书籍。对于一些基础不好的同学来说，最主要的拦路虎是英语单词。计算机类文档不同于小说，其语法、句式都比较简单，可以说只要词汇量有了，阅读就很简单。

如果能在平时提高词汇量，那是最好不过了。鸡汤警告!你必须暗自努力，然后惊艳所有人!这句话打在这里没毛病吧，老铁。但无所侧重地背普通英语字典，恐怕效率并不高。不提前学习单词，直接上手阅读，遇到生词再查，效率也提升不起来。

这里介绍一个针对专业文档背单词的方法：把当前文档的所有单词，建立一个专属字典，先背诵这个字典，再去看书，一定能一目十行。

思路

总体思路是文件分词统计，查找字典，生成新字典。

首先，有一个需要阅读的英文文档，给它分词，按照单词频率排序;?找一个已掌握的英语词汇表(四六级或考研等)，把上文中的单词和本词汇表重复的项删除;?再找一个词汇量大的字典，在其中查找对应解释;?把结果存储到一个字典文件中。

得到的字典，就是这本书的专属字典了。业余背这个字典，相当于掌握了计算机专业英语。这个方法也适用于机械、电子等等任何专业英语的地方。

实现

下面，以Python神作《FluentPython》为例，用Python自带的库实现分词、统计功能。首先看下它的内容梗概。

FluentPython

CLEAR,CONCISE,ANDEFFECTIVEPROGRAMMING

LucianoRamalho

......

分词

首先来分词。

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)

以上代码中，导入了Counter和re模块。

Counter负责统计单词词频，re正则表达式分割英语单词。得到结果ct2中是所有单词的词频。

下面，把它保存下来。

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

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

现在，result_f1.txt中存储的是这本书出现的单词，而且是按照词频排序的，如下。

the12414

a5639

of4900

in4837

to4689

is3848

......

和预想得很像，排名靠前的基本是介词等常用词。

另外，比较有意思的数据是，《FluentPython》共使用词汇9118个，其中出现一次的单词有3168个。出现频次最高的the达到12000次。

载入字典

下载一个比较全的字典，十万个单词。载入内存，存储在字典数据变量dicts中。

这是dict结构第一次真正存储字典!

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})

删除认识的单词

字典当中大量的theais，相当挑战我们的容忍度，这让旁人看了，还以为我们小学没毕业呢。去掉去掉……

众所周知，我们采用了小学二年级就掌握的postgrade.txt英文字典。

postgrade.txt同学们肯定耳熟能详。神奇的是第一个单词。abandonvt.离弃，丢弃;遗弃，抛弃;放弃……

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

f.readline()

forlinf.readlines():

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

try:

deldicts[k]

exceptKeyErrorase:

pass

现在，字典dicts中，仅仅剩下所我们不认识的，103976-5000=98976个单词了。

生成新字典

以词频单词来查找单词表，再把单词和释义存到新单词表中，就得到新单词表了。

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()

这里第一句，两个with可以写到一句话里。这样代码看起来比较和谐。

查字典方法，使用v=dicts.get(k,None)，这样查不着的单词，返回None，写入新字典时判断这个值，就可以了。

总结

除此处介绍的生生单个文档字典外，还可多拿几个领域专业文档，提取它们的常用单词，然后生成专属字典，这字典，相当于相关领域的专业英语字典。

这里使用Python自带库写程序，效率可能不高。如果需要，可以使用pandas之类的库来实现，提高效率。

以上内容为大家介绍了用Python高效背单词，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。http://www.mobiletrain.org/

上一篇

数据科学领域Python比R语言更好

下一篇

0基础学Python有多难?