今天正在扫荡刚看完的小说《The Invisible Man》的生词,突然觉得如果我可以找到一本小说,里面涵盖特别多的SAT词汇,这样就可以有针对性地看小说了,至少能先把词汇恶补一下。
小程序实现思想:
一 将barron 3500单词列表的单词抽出来换算为CRC码,存放在文件A中。之所以换算成CRC码是因为觉得字符串比较可
能太慢?虽然比较CRC也不会快多少倍,尽量快点吧
二 把单词的CRC按升序排列(初步想而已,也有可能因为我闲麻烦直接就这样不排序好了 哈哈)
三 把小说里的单词都抽出来,逐个换为CRC码,再用二分法查找有序CRC文件里是否存在这个单词,如果存在,这个小说就加1分,分越多,这本小说含金量(高级词汇量)越高
随便起个程序名吧,FMIN(Find the most informative novel)
crc.h
unsigned int crc32(unsigned char *buf, int len);
crc.c
#include <stdio.h>
#include "crc.h"
static unsigned int CRC32[256];
static char init = 0;
//初始化表
static void init_table()
{
int i,j;
unsigned int crc;
for(i = 0;i < 256;i++)
{
crc = i;
for(j = 0;j < 8;j++)
{
if(crc & 1)
{
crc = (crc >> 1) ^ 0xEDB88320;
}
else
{
crc = crc >> 1;
}
}
CRC32[i] = crc;
}
}
//crc32实现函数
unsigned int crc32(unsigned char *buf, int len)
{
unsigned int ret = 0xFFFFFFFF;
int i;
if( !init )
{
init_table();
init = 1;
}
for(i = 0; i < len;i++)
{
ret = CRC32[((ret & 0xFF) ^ buf[i])] ^ (ret >> 8);
}
ret = ~ret;
return ret;
}
FMIN.C,这是将单词列表写成CRC的代码
#include <stdio.h>
#include <stdlib.h>
#include <windows.h>
#include "crc.h"
int main(int argc, char *argv[])
{
//准备工作
int i=0,j=0,k=0;
//单词列表
char szFileName[]="c:\\1.txt";
//转换之后的CRC
char szFileNameCRC[]="c:\\CRC.txt";
//转换之后的CRC文件大小
int CRCFilesize=3500*4;
//转换之后的CRC数组
int Barron3500CRC[3500*4];
//临时文件句柄
HANDLE fhandle;
//单词列表文件的大小
long lFileSize;
//放单词列表的缓冲区
char *wordbuffer=malloc(40000);
//临时单词缓冲区
char *eachword=malloc(20);
//全部缓冲区填零
memset(wordbuffer,0,40000);
memset(eachword,0,20);
memset(Barron3500CRC,0,3500*4);
fhandle=CreateFile(szFileName, GENERIC_READ, FILE_SHARE_READ, NULL, OPEN_EXISTING, NULL, NULL);
if(fhandle == INVALID_HANDLE_VALUE)
{
MessageBox(NULL,"读取单词列表失败","Tips",NULL);
}
lFileSize=GetFileSize(fhandle,NULL);
ReadFile(fhandle,wordbuffer,lFileSize,&lFileSize,NULL);
//计算出每个单词的CRC放在数组里
while(wordbuffer[i]!='#')
{
if(wordbuffer[i]!=0x0D && wordbuffer[i]!=0x0A)
{
eachword[j++]=wordbuffer[i++];
}
else
{
if(wordbuffer[i++]==0x0D)
{
Barron3500CRC[k++]=crc32(eachword,strlen(eachword));
memset(eachword,0,20);
j=0;
}
}
}
CloseHandle(fhandle);
//CRC数组写入文件
fhandle=CreateFile(szFileNameCRC, GENERIC_WRITE, FILE_SHARE_WRITE, NULL, OPEN_EXISTING, NULL, NULL);
WriteFile(fhandle,Barron3500CRC,CRCFilesize,&CRCFilesize,NULL);
CloseHandle(fhandle);
}
这是搜索小说中的单词,对照CRC的代码(同样也要包含CRC那两个文件)
#include <stdio.h>
#include <stdlib.h>
#include <windows.h>
#include "crc.h"
char *GetWord(char *wordbuffer,long index);
int WordExist(unsigned int wordCRC,int *Barron3500);
int main(int argc, char *argv[])
{
//准备工作
int i=0,j=0,k=0;
HANDLE fhandle;
char szFileNameCRC[]="c:\\CRC.txt";
char szFileNameNV[]="c:\\2.txt";
int CRCFilesize=3500*4;
long lFileSize=0;
int Barron3500CRC[3500*4];
int eachCRC=0;
int bWordExist=0;
int bFirstTime=0;
int score=0;
char *eachword=malloc(20);
char *wordbuffer=malloc(2000);
memset(eachword,0,20);
memset(wordbuffer,0,2000);
fhandle=CreateFile(szFileNameCRC, GENERIC_READ, FILE_SHARE_READ, NULL, OPEN_EXISTING, NULL, NULL);
if(fhandle == INVALID_HANDLE_VALUE)
{
MessageBox(NULL,"读取单词列表失败","Tips",MB_OK);
}
ReadFile(fhandle,Barron3500CRC,CRCFilesize,&CRCFilesize,NULL);
CloseHandle(fhandle);
fhandle=CreateFile(szFileNameNV, GENERIC_READ, FILE_SHARE_READ, NULL, OPEN_EXISTING, NULL, NULL);
if(fhandle == INVALID_HANDLE_VALUE)
{
MessageBox(NULL,"读取单词列表失败","Tips",NULL);
}
lFileSize=GetFileSize(fhandle,NULL);
ReadFile(fhandle,wordbuffer,lFileSize,&lFileSize,NULL);
while(wordbuffer[i]!='#')
{
if(wordbuffer[i]==0x20)
bFirstTime=1;
i++;
if(wordbuffer[i]==0x20 && bFirstTime==1)//单词结束
{
//得到单词
eachword=GetWord(wordbuffer,i-1);
//转CRC码
eachCRC=crc32(eachword,strlen(eachword));
//匹配
bWordExist=WordExist(eachCRC,Barron3500CRC);
//加分
if(bWordExist==1)
score++;
bFirstTime=0;
}
}
CloseHandle(fhandle);
printf("this novel got a score of %d\n",score);
}
char *GetWord(char *wordbuffer,long index)
{
int j=0;
char *ret=malloc(20);
memset(ret,0,20);
while(wordbuffer[index--]!=0x20);
index=index+2;
while(wordbuffer[index]!=0x20)
{
ret[j++]=wordbuffer[index++];
}
return ret;
}
int WordExist(unsigned int wordCRC,int *Barron3500)
{
int i;
for(i=0;i<3500;i++)
{
if(wordCRC==Barron3500[i])
return 1;
}
return 0;
}
很好,运行得不错,但是又出现了两个问题:
单词是复数怎么办,是过去式怎么办,是过去分词怎么办??
由于是小说,所以很多动词都不会出现一般式,复数的出现就更加频繁了。
这样一来似乎只有形容词和副词的甄别比较有效了
http://dict.youdao.com/search?q=dodge&keyfrom=fanyi.smartResult
这个翻译网页能够把过去式 过去分词 和复数都搞出来,而且网页源码中也会出现,可以自己写个小程序先处理一下列表,就是说把列表中的动词名词的各种形态都加上去
另外有一个问题就是,比如说我读的这本小说《The Invisible Man》,那么单词“Invisible” 无疑会出现几十次,那么如果其他小说里面某个同样的高级词汇如果也出现了几十次
,或者它的原型,复数和过去分词交替出现很多次,那不是影响了这本小说的真正含金量吗,所以程序也要把那个单词和单词出现的数量输出一下,以供参考