用途:
本**實現:
實現網頁中所有英語單詞的翻譯;
涉及技術:
1. 讀取英語-漢語翻譯詞典檔案
詞典檔案來自:
使用步驟:
解壓master.zip,然後解壓其中的stardict.csv檔案
import pandas as pd
df_dict = pd.read_csv("d:/tmp/ecdict-master/stardict.csv")
df_dict.shape
df_dict.sample(10).head()
# 把word、translation之外的列扔掉
df_dict = df_dict[["word", "translation"]]
df_dict.head()
import requests
# pandas官方文件中的乙個url
url = ""
html_cont = requests.get(url).text
html_cont[:100]
3. 提取html的正文內容
即:去除html標籤,獲取正文
from bs4 import beautifulsoup
soup = beautifulsoup(html_cont)
html_text = soup.get_text()
html_text[:500]
4. 英文分詞和資料清洗
# 分詞
import re
word_list = re.split("""[ ,.\(\)/\n|\-:=\$\["']""",html_text)
word_list[:10]
# 讀取停用詞表,從網上覆制的,位於當前目錄下
with open("./datas/stop_words/stop_words.txt") as fin:
stop_words=set(fin.read().split("\n"))
list(stop_words)[:10]
# 資料清洗
word_list_clean =
for word in word_list:
word = str(word).lower().strip()
# 過濾掉空詞、數字、單個字元的詞、停用詞
if not word or word.isnumeric() or len(word)<=1 or word in stop_words:
continue
word_list_clean[:20]
5. 分詞結果構造成乙個dataframe
df_words = pd.dataframe()
df_words.head()
# 統計詞頻
df_words = (
df_words
.groupby("word")["word"]
.agg(count="size")
.reset_index()
.sort_values(by="count", ascending=false)
)df_words.head(10)
6. 和單詞詞典實現merge
df_merge = pd.merge(
left = df_dict,
right = df_words,
left_on = "word",
right_on = "word"
)
7. 存入excel
df_merge.to_excel("./38. batch_chinese_english.xlsx", index=false)
後續公升級: 9 29 英語單詞
whisper v n 耳語,私語 in a whisper 低聲的 cheer 喝彩,歡呼 voice silence 安靜 whistle v n 吹哨,口哨,汽笛 judge 裁判員 race 比賽 white whowholly adv完全,一概 uncle whole n全部 all ad...
10 10 英語單詞
at various times 在不同的時代 vary v變化,指性質,特點的變化 change convert 使轉變 alter 指部分的改變 不影響整體結構的 vase瓶,花瓶 vast adj 1 面積 巨大,廣闊的 2 數量 大量,鉅額的 a vast plain at vast exp...
英語單詞學習
mutable mutable mjut b 1.可變的 可變的 2.易變的,不定的 once w ns 詞典釋義 1.一次,一回 1.一旦,一經.便 shape ep 詞典釋義 n.1.形狀 樣子,外形 2.表現 形式 體現,具體化 3.口 情況,狀態 4.模糊.random r nd m ran...