分类： LINUX
2011-05-11 00:06:14
前面舍得讲的制作词库，基本上是靠转换其他格式的词库而来的。那有没有办法看到一篇文章，就能把其中的词汇整理出来呢？换句话说，有没有不靠现成词库的办法？
这个问题基本上有两个解决的思路，一是玩“粘贴”***，就是看到生词就粘贴到一起，需要慢慢地积累，二是使用一些工具，来快速地将英文资料转换成SuperMemo的格式。
舍得在这里讲一下如何实现第二种思路，认为没有必要进行这种转换的朋友，则可以直接跳过本文。
舍得有个IT行业的朋友讲的好，用电脑就是用软件。这话虽然有些直白，但很有道理。我们若学会掌握一些合适的工具软件的话，对提高我们的学习和工作效率会很有帮助。SuperMemo如此，舍得推荐的其他软件也是如此。
一、工具的准备
舍得建议大家使用下边这些工具：
【注意，因为BiBiDu的服务出了某些问题，下面提到的软件请到舍得学苑下载中心下载,添加单词释义请选用金山生词本2007精简版】
1.词频分析软件EngWordFreq4.0：这是武汉大学沈阳博士制作的一款软件，用它可以快速提取英文文章中的单词，并带有词频分析：BiBiDu下载；
2.西瓜外语通1.4.5.5092：用它来给上面这个词频分析软件提取出来的单词加上释义。原版下载地址：华军软件园下载；破解补丁下载地址：BiBiDu下载；
3.[可选]如果不喜欢西瓜外语通，你也可以使用新东方背单词5.0：VeryCD下载；或金山词霸（建议使用2007版，2009版的生词本有些问题）：VeryCD下载；（友情提醒：从电骡上下载的资源速度可能会相对较慢，需要较大的耐心，尤其是软件的早期版本）
4.Emeditor 8.04：BiBiDu下载；（喜欢此软件的朋友还可以下载其插件集：BiBiDu下载）
二、提取单词
1.打开词频分析EngWordFreq：
2.你下载的压缩包中有一个Sample.txt文件，这是我为你的练习准备的文件，点击左上角的“打开文件并统计”按钮打开这个Sample.txt（在该软件里可以使用文本文件或Word文档，建议使用前者）。
3.鼠标右键点击右侧的文档显示窗口，从弹出的菜单中选择“保存当前词表”，取一个文件名后保存：
三、简单处理
1.先对刚才的文本进行简单的处理，用Emeditor打开刚才保存好的文件.
2.点击“搜索->替换”菜单（或按快捷键“Ctrl+H”），打开替换对话框，勾选上使用正则表达式，然后
在搜索对话框的查找文本框内输入：s.*?$
替换框内留空。
点击“全部替换”按钮。
说明：“s”表示空格，这段表达式的作用是将空格后的所有字符删除。
3.点击“文件-另存为”菜单，从“换行模式”后的下拉列表框中选择“CR+LF（windows)”，然后点击保存按钮（文件名可以保持不变）。
四、提取释义
4.打开西瓜外语通程序（注意打好破解补丁），右键点击窗口中任意位置，从弹出的快捷菜单中选择“导入内容->单词列表（自动加音标注释）”：
5.然后选择你刚才处理好的文件。导入完成后，拉动右侧的小滑块，看一下一共有多少条数据，比如这次我们一共导入了585条：
6.在右上方的“范围重复”中输入“1”和“585”（“1”其实不用输入，为了行文方便）。
7.右键点击窗口中任意位置，从弹出的快捷菜单中选择“导出内容->简易单词：每个单词占一行”：
8.弹出确认对话框，选择“OK”后继续：
9.输入一个文件名（或保持默认），点击“保存”按钮，这一步工作就做完了。
注意：1）如在步骤1中你只导入了少量几行（甚至只有1行），那说明你的文本没有处理好，注意检查在上一节中是否没有另存成“CR+LF格式”。
2）如果在步骤9后发现导出的数量不对，检查一下是否在步骤6中的范围没有正确输入。
五、转换成SuperMemo的格式
这一步，看过前面舍得写的《词库制作篇》的朋友应该都会的，但舍得还是准备写一下：
1.有些单词可能辞典里没有，我们先来把这些词删除掉，这要分成几小步来做：
1）点击“搜索->替换”菜单，打开替换对话框，
在查找文本框中输入：(^.*?[[:unicode:]])
在替换文本框中输入：%
要点：这一步的意思是给带有中文的行前加上一个“%”（你先可以选择其他的符号，如#、&等，但不要用正则表达式中的特殊字符）。“^.”表示行首是除回车符外的任意字符，也可以考虑用“^[a-z]”（注意“区分大小写”那一项不要勾，防止行首有大写字母）。
2）删掉不带“%”的行：
查找：^[^%].*?$
替换文本框内留空
要点：这里再复习一下“^[^%]”的用法，这个表示“行首不是%”。
2.接下来就简单多了：
1）将“%”替换成“Q: ”
查找：^%
替换成：Q：
要点：注意加上“^”，这样就只删除行首的“%”。“Q:”后面要加个空格。
2）将中文分到另一行，并在行首加上“A: ”
查找： {1,4
替换成： A:
要点：因为西瓜外语通中导出的文本有的是一个“Tab空格”，有的是2个甚至3个“Tab空格”，所以这里用了“ {1,4}”来表示1－4个“Tab空格”通吃。另外同样要注意“A:”后要加个空格。
3.把文件保存成“中欧（ISO）”编码，到这里词库制作就圆满完成了。。这一步若不明白请参考SuperMemo2006之词库制作篇(中)，舍得不再赘述。如果经常要用到这项操作的朋友，建议你们将Emeditor中的步骤录制成宏，那么在以后的转换过程中就能节省更多的时间。宏的录制部分请参看：SuperMemo2006之词库制作篇(下).
六、提取单词释义的另一法
若想用其他工具来提取音标和释义，舍得还有两个工具可以推荐，那就是金山词霸2007和新东方背单词5.0. 下面简单讲一下方法：
（一）使用金山词霸2007：
1.做完“三、简单处理”这些步骤之后，从金山词霸的安装文件夹中找到“Newword.exe”这个程序，运行它：
2.点击右侧的导入按钮，选择你整理好的文本，开始导入（或用鼠标右键点击窗口中任意位置，从弹出的快捷菜单中选择“单词导入单词”）。
导入后的结果如下图：
3.完成后选择导出按钮，在弹出的对话框中勾选“词典中所有单词”和“纯文本文本格式”：
4.取一个文件名，保存完成。
（二）使用新东方背单词5
1.做完“三、简单处理”这些步骤之后，运行新东方背单词5，选择“书籍管理”按钮：
2.选择“添加新书”按钮（以后经常用这本书就可以，可考虑选择“清空新增单词”，免得重复），输入一个文件名后继续：
3.点击“成批导入”按钮，选择前面整理好的文件后,系统会问：“是否允许加入重复单词？”，建议选“否”。
4.系统进行一定的转换（新东方背单词速度是三款软件中最慢的）：
5.导入完成后，选择“单词导出”按钮，从弹出的菜单中选择“打印到文件”，取一个文件名即可。
这样，提取释义的过程就完成了。新东方背单词导出的是RTF格式，要使用Emeditor来处理需粘贴到文本文件中（或另存成文本文件），当然有朋友要说，用Word的搜索与替换也可以啊。对，Word也具备类似的功能，语法不一样而已。大家空闲的时候可以研究一下。
三款软件中，新东方和金山导出的音标是最容易进行后续处理的，西瓜外语通不是不能导出音标，只是它要导出音标的话必须使用RTF格式，而根据舍得的判断，软件作者在音标字符的转换上似乎没有处理好，它导出的音标在RTF下显示是正常的，但你无论使用粘贴还是另存文件，之后的结果都是音标会消失。当然你也可以尝试用Word的搜索与替换直接将它转SuperMemo能用的格式，只是舍得在这里先提醒一下，最后一步转成“中欧(ISO)”编码Word实现起来估计够费劲。
后面的整理过程就留给大家自行操作吧，就当是舍得给大家布置的家庭作业了。
