使用perl构造自己所属的专用词库

?

1.文章目的及背景介绍:

前几天购买的英语词汇书中附赠了一款软件,能够按照书中的每一章的词汇进行考查，提供的考查方式有'看英文选中文'、'听音选中文'、'看中文选英文'和'单词拼写'这几项，很是符合我的需求。但是在使用了几个单元之后，发现了一个很重要的问题：该软件的词库和词汇书中的词库不一致，每个单元的词汇并不像他宣称的那样一一对应的。

囧,要是这样，这款软件就完全没有意义了。后来转念一想，能不能以此软件为基础构造适合于自己的词库呢？本文将整个摸索的过程记录下来,用于以后自己参考.

需求及可行性分析:

??软件的目录结构如下:

?

??/..

??|——data/

??|——sound/

??|_skin

??.

?

??其中，sound中存放的是各个单词的发音;data中存放的是软件词库,而且，词库不出所料的以xml格式存储;-),看到这里，不禁精神一振,觉得修改它的词库是可行的.

??词库格式:

<PACKAGE> <ITEM WID="1" E="abroad" FN="" P="[?'br?:d]" C="ad.①到国外,在国外②传开,到处" TFN="abroad.mp3"/> <ITEM WID="2" E="accord" FN="" P="[?'k?:d]" C="n.①一致,符合②(尤指国与国之间的)谅解,协议vi.(with)相符合,相一致,相和谐vt.授予,赠与,给予" TFN="accord.mp3"/> ... </PACKAGE> ?

?

??思路如下: 词汇书的赠品中还包括了每个单元的MP3及对应的lrc文件，只要从lrc文件中取出所有单词，按顺序地在原来的词库中找到该单词相对应的项并取出。这样，就能得到新的词库，到那时，只需要吧WID的值更改一下即可。 ?

?

2.工作环境及经验要求:

?? 工具:perl,UltraEdit,MS_dos,Cygwin easy

?? 操作系统:windows xp

?? 经验要求:熟悉基本的linux命令,熟悉正则表达式,熟悉perl语言即可.

3.过程:

??1.从LRC文件中取出所有的单词。

F:. │ │ ├─核心词汇 │ ├─Word List 05 │ │ Word List 05.lrc │ │ │ ├─Word List 06 │ │ Word List 06.lrc │ │ │ ├─Word List 07 │ │ Word List 07.lrc ... │ ├─次常用词汇 │ ├─Word List 21 │ │ Word List 21.lrc │ │ │ ├─Word List 22 │ │ Word List 22.lrc?

?

?? ?正如上图所示，lrc文件分别在cd文件夹下面的5个一级文件夹30个二级文件夹中，采用 find . -name "*.lrc" > lrcnamelist.txt,并将其处理成 cp ./核心词汇/Word List 05/Word List 05.lrc ./LRC 然后当脚本处理即可。

?? ?然后再用 ?cat *.lrc > wordlist.txt 得到新词库

?? ?从这一步获得的wordlist.txt中的内容如下:

abroad

accord

ache

across

?

??2.从旧词库中取出单词项。

?将wordlist.txt中的单词用正则表达式处理成

E="abroad"

E="accord"

E="ache"

E="across"

E="act"

E="address"

E="advance"

??创建get_word_info.pl文件,代码如下:

#!/usr/bin/perl -w if(!open WORDPOOL,"<","Word.dat") { print "open file error/n"; } while($srcline=<STDIN>) { chomp($srcline); print $srcline; while(<WORDPOOL>) { if(/.*$srcline.*/) { print $_; } } close WORDPOOL; if(!open WORDPOOL,"Word.dat") { print "open file error/n"; } } close WORDPOOL; ?

?

?? 用命令 ./get_word_info > new_word.data,得到新词库

E="accord" <ITEM WID="5" E="accord" FN="" P="[?'k?:d]" C="n.①一致,给予" TFN="accord.mp3"/> E="ache" <ITEM WID="2462" E="ache" FN="" P="[eik]" C="vi.痛,疼痛" TFN="ache.mp3"/> E="across" <ITEM WID="6" E="across" FN="" P="[?'kr?s]" C="prep.①横越,穿过②在…对面,与…交叉ad.①横过,穿过,横断②…宽,阔" TFN="across.mp3"/> E="act" <ITEM WID="7" E="act" FN="" P="[?kt]" C="vi.①行动,做事②(on)起作用③表演n.①行为,动作②法令,条例③(一)幕" TFN="act.mp3"/> E="writhe"E="yacht"E="yearn"E="yolk"E="zenith"E="zest"E="zoology"?

?

?? 对于旧词库中没有的单词,需要剔除这些单词.

3.最后将WID的值修改成升序即可。

?

4.总结

?(没了)