一个想法，求大神们技术指导

LYX1692 · 发表于 2016-1-25 20:09:09

本帖最后由 LYX1692 于 2016-1-26 14:23 编辑

小弟以前发过一个贴子：
https://www.pdawiki.com/forum/fo ... hread&tid=11546

现在想将这几个词典的例句如此整理下

有一份基础词汇表（如牛津3000词啊等等），这种词汇表倒是可以找到。包括这些单词的各种变形，均有列表了。

难住我的是，如何将只有基础词汇组成的例句提取出来？
也就是说，我想提取出最基本的例句，只有基础词汇组成。

想来，首先可以将基础词汇表之外的词条一概删除。
剩下的就是基础词汇词条。

那么，这里面的例句，有些还是不符合我的条件的。
下一步又该怎么整理呢？
求指导。

刚刚试了下Emeditor脚本，导入了4000个词，再加各种变形，总共有将近1万个词，居然可以操作，只是速度略慢（共49万例句）。
UltraEdit 应该更快。因为才刚刚接触脚本，Emeditor勉强可编下脚本，ultraedit 的就写不出来了。
EmEditro 慢也就凑合着用了。也就几十分钟。

var key = document.selection.Text;// 设选定字符串为Key
var keyfind = "\\b(a|an|abandon|abandons|abandoned|abandoning)\\b";// 括号内输入单词，每个单词用|分开。
var keycode = "→";
if (key == "") {} // document.write(keyfind);如果没有选择任何字符串，则没有任何操作
else // 否则，//document.write(keyfind+"\n");document.write(keycode+"\n");
{
document.selection.Replace( keyfind, keycode, eeFindReplaceRegExp|eeReplaceAll );
};

复制代码

上面是本人弄的脚本，实在是笨方法。
Javascript前几天才学，好多也不懂，只能用我掌握的几个知识来写。

思路是：
1. 先用Excel给每个例句编号。
2. 然后运行脚本，将基础词表中的单词替换为"→"符号。
3. 因为基础词表未必准确，有些人名、地名、标点符号、缩略式，未必包含在基础词表中，需在再手工替换为"→"符号。
4. 如果一个例句的英文部分全部都是由"→"符号组成，即说明这个句子全部由基础词汇组成。
5. 提取编号。
6. Excel 用Vlookup公式，返回例句。
大功告成。

好笨的操作啊。

xiaokeai · 发表于 2016-1-25 21:47:46

意思是不是(例如)只含牛津3000基础单词的所有例句?
如果是，用aboboo导出也不太难,而且有音频。

jazzmood · 发表于 2016-1-25 23:52:27

支持楼主的想法。
等大神支招。

想起 m-w 电脑安装版有个功能，

表达式：单词空格|空格单词
比如有个3000GRE单词的 word-list
在m-w 词典 Browse 标签（一共就三个标签：basic，advanced 和 Browse）的搜索框里输入类似下面这样的：
abandon | abase | abash | abate

m-w可以显示定制内容了。:-)

一枚小胖子 · 发表于 2016-1-26 09:01:12

持续关注，最近学英语越来越意识到基础3000词的重要性。

喬治兄 · 发表于 2016-1-26 12:25:52

LYX1692 兄:
為何要拘泥於基础词汇词条
若真有此需求不如就單單建一個字表的3000詞mdx就好了
解釋例句都不用
用那3000詞mdx來當索引不也方便嗎?
or 3000 wordlist txt
that will be easy and more flexable

LYX1692 · 发表于 2016-1-26 14:03:50

本帖最后由 LYX1692 于 2016-1-26 14:09 编辑

喬治兄发表于 2016-1-26 12:25
LYX1692 兄:
為何要拘泥於基础词汇词条
若真有此需求不如就單單建一個字表的3000詞mdx就好了

喬治兄：
当然，我也明白，光有那几千基础词汇，读篇英文新闻都会读不下去。
词汇量总归是越多越好。
为什么还想要弄这么一个基础词汇的例句库呢？
因为这些基础词汇大有可为，我想提取出来，看看他们究竟能有多大作为。
其实，要做这么一个句库，词典本不是理想的对象，毕竟词典收纳单词的，大量词汇是超出基础的。
我以前统计过《哈利波特》的词汇量，连小说人名、地名一起算在内，第1部总用词是4300多，第2部是5200多。
《哈利波特》一共7部，总字数是112万多。总词汇量是15500左右。
使用频率上排名前3000的词汇，占字106万。
在这一共15500左右的词汇中，其中4841个词汇在这7部书里只出现过一次。
于是，我就想，假设给我这些词汇，也不需要我自己创作，简单到对着中文来翻译英文，我跟原著能有多大差异？
这种差别的原因所在，不是原书用了哪一个我不知道的单词，恰巧体现在某些单词，我明明很熟悉，却用不出来。
有些句子，我抓破头也想不出怎么翻译，一看英文，就是中学词汇而已。
当然，也还有中英思维方式的差异，对语法的掌握程序等因素，我也不否认。
于是，我就想，回归基础。
我想很多人跟我一样，不会用英文表达，不是因为我们词汇量不足，而是一些基础词汇不会灵活运用。

至于你说到，建个3000词的词表就好了。
其实我知道这么做。以前也发过一个词频词典，包含朗文当代高阶第5版列出的3000核心词，牛津的3000核心词, 麦克米伦词典2500释义词汇, VOA慢速英语1500基础词汇, 英国国家语料库5000高频词, 当代美国英语语料库5000高频词汇。

我现在想要提取只包含这些词的例句，更多是想弄成电子书放到Kindle上阅读。
以中文为主，弹出英文注脚。
这种样式，我以前也发布过资源。

其实这个帖子算是已解决。
写了个Javascript脚本，已大致实现。
但是技术有限，希望大神能有更好的办法。

以后我有小孩了，我就给他/她弄一个。
Ta读初三，我就给Ta提取一个初三版，读高三，我就给ta给高三版，让Ta知道，哪怕只有这个年级英语词汇量，也可以这么表达。

gnoweb · 发表于 2016-1-26 15:30:26

如果每个句子里的用词都严格限定为 4000 个单词，有些内容就不太容易表达。或者要表达就要像 ALD 词典一样，详细解释，比如某些植物，花草，动物等等，还不一定能解释清楚。这样的例子很多，像 scorpion （蝎子）、honeybee（蜜蜂）、mosquito（蚊子）之类的。只有对照着实物或者图片才是最好的方法。

其实要学只用基础单词表达意思，我觉得 ALD 里面的解释是一个比较好的参考对象。

喬治兄 · 发表于 2016-1-26 20:43:06

本帖最后由喬治兄于 2016-1-27 02:33 编辑

LYX1692 发表于 2016-1-26 14:03
喬治兄：
当然，我也明白，光有那几千基础词汇，读篇英文新闻都会读不下去。
词汇量总归是越多越好。 ...

LYX1692 兄:

您的遠慮,真令小弟佩服

以后我有小孩了，我就给他/她弄一个。
Ta读初三，我就给Ta提取一个初三版，读高三，我就给ta给高三版，让Ta知道，哪怕只有这个年级英语词汇量，也可以这么表达

只不過以後說不定學習模式都改變了

更甚至

說不定以後的世界不用學英文而是學中文需求量大幾十倍

供不應求呢

真希望大家都搶著學中文的時代趕快到來

這樣就不需這樣辛苦滴學外語了

更重點是LYX1692 兄您結婚了嗎?

若未婚這應該是要先完成的任務之一吧

想太多也無益無人知道未來世界將如何改變

onlyXXenglish · 发表于 2016-1-27 09:33:51

我前段时间帮人做过，一本是集合牛津3000全部例句的英汉互译的（用脚注的方式弹出翻译），一本也是牛津3000（每个词条+该词条的所有英汉例句）。也许电脑上还有副本，不过我人在外地，电脑没带在身边。
ps：说点无关的，就我个人观察到情况，很多想学，但是却无法静下心来踏踏实实去做，一般都是坚持个十天半个月的热情就消退了，然后过一段时间又重燃激情，下决心这次一定要怎样怎样，然后一段时间后又没什么热情了，如此周而复始，最终不了了之。

qiuhao1112 · 发表于 2016-5-27 00:18:19

我想到个方法，应该可行：
1.把3000词汇用正则替换成mdx词典格式要求，另外在内容里加上特殊字符来标记该词条
2.合并两个词典(一个是你所需要的词典，一个是3000词汇的txt)
3.差找含有特殊字符的词条并标记，然后提取，最后整理数据

[求助] 一个想法，求大神们技术指导