【搞事情】英文文档单词对比&自动翻译

problem

可能的背景知识：python3；c++；dos&bat；World；Excel；PDF；

• 给定两个英文文档（约会大作战3PDF版&高中英语词汇Word版）
• 求两文档共同出现的单词有哪些，并翻译后输出到ans.txt文档中
  
  

solution（格式统一化）

1、对于PDF，导出得到1.txt文档。然后用文本编辑器打开把字符1234567890~!@%^&*()_+-=[];',./{}|:"<>? 替换为空格都。

2、对于Word，用替换通配符的方法把非字母的字符都替换为空格，然后再把所有空格都换行符，导出到文本2.txt。

（因为替换有点乱，所以很多空行）

【按照统计次频的方法，新建一个Excel；；从外部txt获取数据；；在列B自动填充全为1；；然后插入透视数据表】就得到了词频的统计同时完成了重复合并；；；另存为3.txt；；；


删掉前后空余的没用的行；；大约3500的高中词汇就呈现出来了。

codes

1、操作流程

1.新建4.txt；
2.复制1.txt到期中；
3.然后加入`gwj1314521`一行；
4.然后复制3.txt到期中；
5.然后加入'gwj233'一行；

2、新建cpp处理

#include<iostream>
#include<algorithm>
#include<string>
#include<set>
using namespace std;
const int maxn = 11000;
set<string>a,b,c;
int main(){
    freopen("4.txt","r",stdin);
    freopen("out.txt","w",stdout);
    string t; int flag = 1;
    while(cin>>t){
        if(t == "gwj1314521")flag = 0;
        if(flag){
            a.insert(t);
        }else{
            b.insert(t);
        }
        if(t == "gwj233")break;
    }
    set_intersection(a.begin(), a.end(), b.begin(), b.end(), inserter(c, c.begin()));
    //cout<<c.size()<<'
';
    set<string>::iterator it;
    for(it = c.begin(); it != c.end(); it++){
        cout<<"echo "<<(*it)<<'
';
        cout<<"(tdic "<<(*it)<<") >> ans.txt
";
        cout<<"echo . >> ans.txt"<<endl;
    }
    return 0;
}

3、cmd环境下运行pip install termdic 安装hzwer的终端查词（您也可以自己写，或者也可以用其他地方的API，修改上一步具体代码即可）

1.因为编码炸锅，所以安装后他的代码还要做一两处修改。
2.打开目录（这里是你termdic软件的安装目录，，，找不到的话终端运行一下报错了就位置了）C:DevelopmentPython36Libsite-packages	ermdic
3.打开termdic.py。在最上面加入"import io"；在main中加入"sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='gb18030')"
4.保存退出

4、修改4.txt后缀为bat，点击运行即可、
因为这里只提供解决方案，所以txt的编码有待优化。

5、最后数据
高中英语课本全部的词汇量大约是3600个
约会大作战13集的词汇量大约是21000个
他们有2000个相同重合的单词

参考资料

1、统计词频率
2、py3-UnicodeEncodeError
3、github-termidic
4、批处理脚本教程
5、word通配符