如何用 Python 一键搞定 CET 4 最爱考的 5000 个单词？

快要四六级英语考试，来给大家安逸一下用Python学习英语吧 ，都说不会英语的程序员不是好程序员 ？咱们不敢乱立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

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

settings.py配置查询文档；

work.py自动分析数据保存至voca.db数据库文件；

translate.py自动打开数据库调用API翻译单词并保存到数据库里；

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

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）。

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

withopen(filename,'r',encoding='utf-8')asf:

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

returnwords

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 = []

forwordinraw_words:#找出非exclude 和 长度大于1 的单词 -> new_words

ifwordnotinexclude_listandlen(word) >1:

new_words.append(word)

pass

计数：

fromcollectionsimportCounter#计数器

pass

c = Counter(words)#list new_words

returnc.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),....]

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

加入单词到数据库：

definsert_data(self,words_times):

# 向数据库内插入数据

forword,freinwords_times:

word_ins = NewWord.create(name = word , frequency = fre)#直接调用create

book.is_analyzed =True

book.save()

翻译：

#iciba翻译函数

deftrans(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'][]

assertinfo['baesInfo']['symbols'][]

# 去除没有音标的单词

assertdata['ph_am']anddata['ph_en']

# 去除没有词性的单词

assertdata['parts'][]['part']

except:

return('none','none')

ph_en ='英 ['+ data['ph_en'] +']'

ph_am ='美 ['+ data['ph_am'] +']'

ex =''

forpartindata['parts']:

ex += part['part'] +';'.join(part['means']) +';'

returnph_en+ph_am, ex

#调用翻译函数，保存中文到数据库

foriinNewWord.select():

i.explanation = str(t.trans(i.name)[1])

i.save()

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

defextract()

pass

forwordinNewWord.select():

foriin[word.name, word.explanation, word.frequency]:

datas.append(i)

yielddatas

#保存函数

defsave(data):

with open('words.csv','a+', errors='ignore', newline='')asf:

csv_writer = csv.writer(f)

csv_writer.writerow(data)

#主程序

datas = extract()#yeild 迭代对象

whileTrue:

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：