文章详细描述了作者如何通过Python从英语单词txt文件中提取信息，逐步从Version1的逐行处理，到Version6的结构化数组并实现可视化，展示了文本处理的不同阶段和方法.
文章目录
前言
缘起自懒得考小孩儿单词，最终效果如图：
本文记录了英语单词文本处理过程，生成“试卷”
PS：单词docx文件来源于百度文库高校版（单词txt文本附文末）
一、环境
实验所需的库
import re
import numpy as np
from PIL import Image, ImageDraw, ImageFont
终端指令
conda create -n DL python==3.11
conda activate DL
conda install numpy pillow
或
pip install numpy pillow
二、实现过程
大过年的，暂不对代码进行详细介绍，其进化过程如下：
Version 1 起源
import re
with open('./word.txt', 'r', encoding='utf-8') as file:
for line in file:
if re.match(r'^[A-Za-z*]', line): # 使用正则表达式匹配以英文字母开头的行
if 'Module' in line:
continue
if '[' not in line: # 如果行中没有 [
print("无法解析的行:", line) # 直接输出行的内容
continue
word, pro_chinese = line.strip().split('[')
pronunciation, meaning = pro_chinese.strip().split(']')
pronunciation = '[' + pronunciation + ']' # 将括号加回去
meaning = meaning.rstrip() # 去掉末尾的换行符
print("单词:", word)
print("音标:", pronunciation)
print("中文:", meaning)
Version 2 list
存储为列表
import re
words, pronunciations, meanings, modules = [], [], [], []
with open('./word.txt', 'r', encoding='utf-8') as file:
current_module = ""
for line in file:
if re.match(r'^[A-Za-z*]', line): # 使用正则表达式匹配以英文字母开头的行
if 'Module' in line:
current_module = line.strip()
# print(current_module)
continue
if '[' not in line: # 如果行中没有 [
# print("无法解析的行:", line) # 直接输出行的内容
continue
word, pro_chinese = line.strip().split('[')
pronunciation, meaning = pro_chinese.strip().split(']')
pronunciation = '[' + pronunciation + ']' # 将括号加回去
meaning = meaning.rstrip() # 去掉末尾的换行符
# print("单词:", word)
# print("音标:", pronunciation)
# print("中文:", meaning)
words.append(word)
pronunciations.append(pronunciation)
meanings.append(meaning)
modules.append(current_module)
for i in range(len(words)):
print(modules[i], words[i], pronunciations[i], meanings[i])
Version 3 array
存储为array数组
import re
import numpy as np
words, pronunciations, meanings = np.array([]), np.array([]), np.array([])
with open('./word.txt', 'r', encoding='utf-8') as file:
current_module = ""
for line in file:
if re.match(r'^[A-Za-z*]', line): # 使用正则表达式匹配以英文字母开头的行
if 'Module' in line:
current_module = line.strip()
print(current_module)
continue
if '[' not in line: # 如果行中没有 [
print("无法解析的行:", line) # 直接输出行的内容
continue
word, pro_chinese = line.strip().split('[')
pronunciation, meaning = pro_chinese.strip().split(']')
pronunciation = '[' + pronunciation + ']' # 将括号加回去
meaning = meaning.rstrip() # 去掉末尾的换行符
words = np.append(words, word)
pronunciations = np.append(pronunciations, pronunciation)
meanings = np.append(meanings, meaning)
for i in range(len(words)):
print("单词:", words[i])
print("音标:", pronunciations[i])
print("中文:", meanings[i])
Version 4 结构化数组
进化为结构化数组
import re
import numpy as np
# 定义结构化数组的数据类型
dt = np.dtype([('word', 'U50'), ('pronunciation', 'U50'), ('meaning', 'U50')])
# 创建空的结构化数组
data = np.array([], dtype=dt)
with open('./word.txt', 'r', encoding='utf-8') as file:
for line in file:
if re.match(r'^[A-Za-z*]', line): # 使用正则表达式匹配以英文字母开头的行
if 'Module' in line:
continue
if '[' not in line: # 如果行中没有 [
# print("无法解析的行:", line) # 直接输出行的内容
continue
word, pro_chinese = line.strip().split('[')
pronunciation, meaning = pro_chinese.strip().split(']')
pronunciation = '[' + pronunciation + ']' # 将括号加回去
meaning = meaning.rstrip() # 去掉末尾的换行符
new_data = np.array([(word, pronunciation, meaning)], dtype=dt) # 创建包含当前单词数据的结构化数组
data = np.append(data, new_data) # 将当前单词数据添加到总的结构化数组中
for i in data:
print(i)
Version 5 区分单元且打乱顺序
区分单元且打乱顺序
import re
import numpy as np
# 定义结构化数组的数据类型
dt = np.dtype([('module', 'U50'), ('word', 'U50'), ('pronunciation', 'U50'), ('meaning', 'U50')])
# 创建空的结构化数组
data = np.array([], dtype=dt)
with open('./word.txt', 'r', encoding='utf-8') as file:
current_module = ""
for line in file:
if re.match(r'^[A-Za-z*]', line): # 使用正则表达式匹配以英文字母开头的行
if 'Module' in line:
current_module = line.strip()
# print(current_module)
continue
if '[' not in line: # 如果行中没有 [
# print("无法解析的行:", line) # 直接输出行的内容
continue
word, pro_chinese = line.strip().split('[')
pronunciation, meaning = pro_chinese.strip().split(']')
pronunciation = '[' + pronunciation + ']' # 将括号加回去
meaning = meaning.rstrip() # 去掉末尾的换行符
new_data = np.array([(current_module, word, pronunciation, meaning)], dtype=dt) # 创建包含当前单词数据的结构化数组
data = np.append(data, new_data) # 将当前单词数据添加到总的结构化数组中
np.random.shuffle(data)
# 打印打乱顺序后的数组
print(data[0]['word'])
print(len(data))
for d in data:
print(d)
for d in data:
if d['module'] == 'Module 1':
print(d)
Version 6 可视化
可视化
import re
import numpy as np
from PIL import Image, ImageDraw, ImageFont
# 定义结构化数组的数据类型
dt = np.dtype([('module', 'U50'), ('word', 'U50'), ('pronunciation', 'U50'), ('meaning', 'U50')])
# 创建空的结构化数组
data = np.array([], dtype=dt)
with open('./word.txt', 'r', encoding='utf-8') as file:
current_module = ""
for line in file:
if re.match(r'^[A-Za-z*]', line): # 使用正则表达式匹配以英文字母开头的行
if 'Module' in line:
current_module = line.strip()
print(current_module)
continue
if '[' not in line: # 如果行中没有 [
print("无法解析的行:", line) # 直接输出行的内容
continue
word, pro_chinese = line.strip().split('[')
pronunciation, meaning = pro_chinese.strip().split(']')
pronunciation = '[' + pronunciation + ']' # 将括号加回去
meaning = meaning.rstrip() # 去掉末尾的换行符
new_data = np.array([(current_module, word, pronunciation, meaning)], dtype=dt) # 创建包含当前单词数据的结构化数组
data = np.append(data, new_data) # 将当前单词数据添加到总的结构化数组中
# 打印数组
print(data[0]['word'])
print(len(data))
for d in data:
if d['module'] == 'Module 1':
print(d)
np.random.shuffle(data)
# 打印打乱顺序后的数组
print(data)
# dt = np.dtype([('module', 'U50'), ('word', 'U50'), ('pronunciation', 'U50'), ('meaning', 'U50')])
problem_image = Image.new('RGB', (800, 1200), color='white')
draw = ImageDraw.Draw(problem_image)
# font = ImageFont.truetype("arial.ttf", 25)
c_font = ImageFont.truetype("STKAITI.TTF", 25) # 华文楷体
e_font = ImageFont.truetype("times.ttf", 25) # times new Roman
text_y = 100
draw.text((300, 20), 'English Problems', fill='blue', font=e_font)
for i in range(20):
draw.text((50, text_y), str(i+1)+' '+data[i]['word'], fill='black', font=e_font)
draw.text((350, text_y), str(i + 21) + ' ' + data[i+20]['meaning'], fill='black', font=c_font)
text_y += 50
problem_image.save('en_problems_3.png')
# Generate a combined image of the answers
answer_image = Image.new('RGB', (800, 1200), color='white')
draw = ImageDraw.Draw(answer_image)
text_y = 100
draw.text((300, 20), 'English Problems', fill='blue', font=e_font)
for i in range(20):
draw.text((50, text_y), str(i+1)+' '+data[i]['meaning'], fill='black', font=c_font)
draw.text((450, text_y), str(i + 21) + ' ' + data[i+20]['word'], fill='black', font=e_font)
text_y += 50
answer_image.save('en_answers_3.png')
问题：左侧前20英译汉，右侧汉译英：
答案：
三、txt文件
外研社小学英语五年级下册(三年级起点)单词表(带音标)：
Module 1
still[stil]还，仍然
Programme’prəugræm节目
lady['leidi]女士，夫人
life[laif]生活
different['difrənt]不同的
ago[ə’gəu]以前
Interviewer['intɚvjuɚ]采访者
enough[i’nʌf]足够的
television['teliviiʒ(ə)n]电视机
*grandchildren’græn’tʃildrən（外）孙子（女）
change[tʃendʒ]改变，变化
night[nait]夜晚，夜间
work[wɜ:k]工作；劳动；干活儿
field[fi:ld]田地
fire['faiə]火,炉火
orɔ:也不，也没
radio['reidiəu]收音机
telephone['telifəun]电话
couldn`t=could not不能
write[rait]写
hope[həup]希望
Module 2
learnt[lɜ:nt]（learn的过去式）学习
taughttɔ:t教，讲授
language['læŋgwidʒ]语言
wroterəut写
dancer['dɑ:nsə®] 舞蹈演员
foreign['fɔrən]外国的
studied’stʌdid学习
hard[hɑ:d]努力地
Module 3
hamburger['hæmbɜ:gə®]汉堡
English['iŋgliʃ]英国（式）的
breakfast['brekfəst]早餐，早饭
lunch[lʌntʃ]午餐，午饭
sandwich['sænwitʃ]三明治
fish and chips炸鱼加炸薯条
traditional[trə’diʃənl]传统的
dish[diʃ]食品；菜肴
very much['veri mʌtʃ]很，非常
gave[geiv]（give的过去式）给
tonight[tə’nait]今夜，今晚
Module 4
library['laibrəri]图书馆
student['stju:dnt]学生
sentsent发送，寄
*CD 激光唱片，光盘
idea[ai’diə]主意，想法
put[put]放，安放
*shelf[ʃelf]架子
heavy['hevi]重的，沉的
dictionary['dikʃənri]词典;字典
card[kɑ:d]卡片
library card图书卡，借书证
ask[ɑ:sk]邀请
wrong[rɔ:ŋ]错误的
dear[diə®]哎呀
information[ˌinfə’meiʃn]信息
*e-book电子书
project['prɔdʒekt]项目
guide[gaid]介绍，指南，手册
film[film]电影
as well又，还，也
way[wei]方法，方式
on[ɔn]关于
*topic['tɔpik]话题
Module 5
light[lait]轻的
hard[hɑ:d]困难的，费力的
*broken['brəukən]坏的，破的
department store[di’pɑ:tmənt stɔ:]百货商店
pocket['pɔkit]口袋，兜
umbrella[ʌm’brelə]雨伞
sales assistant[seilz ə’sistənt]售货员，营业员
wheel[wi:l]轮子
easy['i:zi]容易的，不费力的
take[teik]选择要，选择购买
too[tu:]太，过于
try[trai]试，尝试
lovely['lʌvli]美丽的，可爱的；令人愉快的
Module 6
moon[mu:n]月亮，月球
get[ɡet]到达
west[west]西，西部，西方；向西方
parent['peərənt]母亲；父亲；家长
stay[stei]停留
July[dʒu’lai]七月
south[sauθ]南，南部，南方；向南方
remember[ri’membə®]记得
June[dʒu:n]六月
east[i:st]东，东部，东方；向东方
best[best]最好的
north[nɔ:θ]北，北部，北方；向北方
rest[rest]休息
have a rest休息一下
rode[rəud]（ride的过去式）骑
Module 7
evening['i:vniŋ]傍晚，晚上
late[leit]近日暮的；近深夜的；时间不早的
worker['wɜ:kə®]工人
factory['fæktri]制造厂；工厂
early['ɜ:li]早的
taxi['tæksi]出租车，计程车
quarter['kwɔ:tə®]一刻钟
to[tu,tə]（距整点）差…
worry['wʌri]焦虑，担心
Module 8
paper['peipə®]纸
Chinese[ˌtʃai’ni:z]中国人的
so[səʊ]如此，这样
word[wɜ:d]词，字
drewdru:画
cutkʌt剪，切，割
piece[pi:s]张，片，块
paint[peint]（用颜料）绘画，着色
putput放，安放
stick[stik]小木棍，小木条
tied[taid]（tie的过去式）扎上，系上
*string[striŋ]线，绳子
Module 9
laugh[lɑ:f]笑
worewɔ:®穿
letter['letə®]信，书信
theatre['θiətə]剧院
women’wimin女性，妇女
actor['æktə®]演员
toldtəuld口述，讲(故事等)
joke[dʒəuk]笑话
after['ɑ:ftə®]在……以后
showʃəu演出，表演
restaurant['restrɔnt]饭店，餐馆
readri:d读
at all[æt ɔ:l]一点都
in[in]在（将来一段时间）之后
another[ə’nʌðə®]另一个
history['histri]历史
ask[ɑ:sk]问，询问
question['kwestʃən]问题
forget[fə’get]忘，忘记
bring[briŋ]带来，拿来
soon[su:n]不久,很快
Module 10
when[wen]在什么时候
end[end]结束，终止
nervous['nɜ:vəs]紧张的，情绪不安的
all right[ɔ:l rait]没事，没问题
airport['eəpɔ:t]机场
ticket['tikit]票
passport['pɑ:spɔ:t]护照
safe[seif]安全的，平安的
pet[pet]宠物
speak[spi:k]说，讲
building['bildiŋ]建筑物
American[ə’merikən]美国的；美国人的；美国人
find out[faind aut]发现，弄清
more[mɔ:®]更多的（量），较多的（量）
扫一扫
897
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
