如何制作（Vocabulary.com + Collins + 雅思 + 牛津）高频短语词组记忆库？

cocowind

atomore 整理了（Vocabulary.com + Collins + 雅思 + 牛津）中的高频短语词组
内容包括：
https://www.pdawiki.com/forum/thread-33730-1-1.html?x=180507
" h5 O% k, l- V; R1. Vocabulary.com词典中词频小于20000的词组 （1977个，按词频排序）；
: a6 K6 A( e$ A# J( w5 B& g2 L" J2. 柯林斯双解词典中 五星词组 （4692个, 按五级分组排序）；
3. 剑桥双解词典中 雅思词组 （2452个，按A1-C2分组）；
4. 牛津双解词典中 星标词组 （298个）。

' v3 w& x, Y& M+ M如果要把atomore 整理的xls列表，制作成anki记忆库（反面是相应词典中该短语词组的内容），技术上如何实现呢？
6 k6 g; w  I) z) X- s  N希望集思广益

sheward

合并后，在Excel里删除相同词组后，大概有8000多个词组。
) c- F4 F7 J; P9 d不知道怎么批量提取中文。

ogrishman

anki用的是sqlite数据库存储信息的，首先搞清楚数据库中table的结构，你可以在你想要的deck里创建一个新词条，然后分析数据库中的数据。
然后就是根据单词提取对应词典中词条的信息，处理好以后写到anki的数据库中。这一步可以编写程序实现，也可以用某些editor的automation实现，比如用EmEditor。

cocowind

ogrishman 发表于 2019-4-25 23:37
0 [  T$ C+ W- G6 R/ h/ B( Tanki用的是sqlite数据库存储信息的，首先搞清楚数据库中table的结构，你可以在你想要的deck里创建一个新词 ...

8 ^* \- r$ o% o谢谢指点。
8 Y4 F3 C# ^% ^9 _短语词组每个单词都懂，但合在一起意思可能大不同，偏偏还太常见。
% T( Q. u6 J" Y; \
; R7 p7 x+ G# I8 k8 F' B需要学习一下技术了

脚下千

& R) L! S. f+ ]" E' F5 A这个站在前人的基础上，有简单一点的方法，不过需要有支持的词典。
% z, c4 }0 K! H$ y
简单来说，就是 将 xlsx 转成 csv，然后导入 anki，用 anki 插件（我用的好像叫 FastWordQuery）查询即可。

0 T7 y; T5 P% ^0 U% i% z( z虽然说缺的词典可以在这个插件基础上增加（因为给出的 mdx 词典一般都没有短语的索引），但目前我所见到的只有 longman 词典的短语有人制作过，其他的不知道有没有。
如果自己解析对应词典的话，也许在实现上比较方便（解析 mdx 内容后用正则表达式只提取相关短语释义），但给插件贡献词典解析可能会有更广的作用。

ps：这个引起了我的兴趣，有些想做了，不过我的 CoCa 20000 还没背完……
$ f" \0 P1 L! K! Q5 }; y8 |

cocowind

脚下千 发表于 2019-4-26 14:23
这个站在前人的基础上，有简单一点的方法，不过需要有支持的词典。

5 z& N& e& N) }$ q$ k简单来说，就是 将 xlsx 转成 csv，然 ...

1 O8 ?) I- R+ `" d不知道插件对短语词组的支持如何？
一个难点是例如eat one's fill这样的短语在不同词典里的词条可能是各种形式，eat sb's fill等等等等
不容易批量把该短语在各个词典中的相关entries都查询出来，以便进一步进行比较再挑选自己觉得最好的词典解释和例句
: L, Y/ i! T" T6 ^

脚下千

cocowind 发表于 2019-4-26 20:02
& {2 n& _" [% L- D: N/ h不知道插件对短语词组的支持如何？
* M1 Z& ]  z2 p; [# m) z一个难点是例如eat one's fill这样的短语在不同词典里的词条可能是各 ...

5 U& r( Y0 U+ y这个倒不是很难，就是麻烦点，直接按不同形式处理一下即可，比如 one 替换为 sb 等，当然里面可能有更复杂点的规则要写。

  d: A0 Y! o9 N8 @如果要统一结果到一处的话，就多列几个 fields 存储不同的查询形式，然后按词典逐个查询。

, A! s' n3 z( n1 v2 E当然，这都需要有词典支持，一般来说上述词典我猜很少能对短语直接查询的（我没用过啊）。
$ _6 x( d4 e* n
插件设置自定义词典后，只是根据字段直接查询，然后提取所有内容，和在词典软件里是一样的。在词典软件里如果直接输入短语查不到，那么插件也查不到。

cocowind

脚下千 发表于 2019-4-28 19:33
5 Z2 S- I1 n# D. O, O3 N) Y这个倒不是很难，就是麻烦点，直接按不同形式处理一下即可，比如 one 替换为 sb 等，当然里面可能有更复杂 ...

8 R9 T3 r3 b8 h谢谢指点~

/ x* S* T$ J2 H. \- u* Q看到这个方法也许可以借鉴一下
https://www.pdawiki.com/forum/thread-11546-1-1.html?x=180507

xusorn

是fq这个插件不够好吗……直接把词条转为utf-8的txt导入anki，建几个字段用fq查询不就是了，而且css格式也能保留，要修改css去collection.media修改就是了

脚下千

xusorn 发表于 2019-5-6 19:48
是fq这个插件不够好吗……直接把词条转为utf-8的txt导入anki，建几个字段用fq查询不就是了，而且css格式也 ...

这个要词典本身支持才可以的，目前很少这样的词典。楼主说的是匹配短语，不是单词。（具体见我前面的帖子）

xusorn

脚下千 发表于 2019-6-12 03:12
这个要词典本身支持才可以的，目前很少这样的词典。楼主说的是匹配短语，不是单词。（具体见我前面的帖子 ...

我看清了问题，论坛的韦氏，朗文，牛津的词组不够你用吗？至少我用fq把vocabulary前1000的都查到了
9 i2 D  d+ }: i4 u# @- Y/ n3 s6 u

脚下千

' n. `3 B* O* D9 e

xusorn 发表于 2019-6-12 07:27
1 ?$ U4 z: K' V我看清了问题，论坛的韦氏，朗文，牛津的词组不够你用吗？至少我用fq把vocabulary前1000的都查到了

。。。

1. 问题中是： Vocabulary.com + Collins + 雅思 + 牛津 —— “制作成anki记忆库（反面是相应词典中该短语词组的内容）”
2 F6 _, c# s# q$ ?6 p
2. 输入是"例如eat one's fill这样的短语在不同词典里的词条可能是各种形式，eat sb's fill等等等等";

" R( m* o7 p7 k: p, q- l+ p1 q3. 需求是做一个“综合”的短语库，不能说这没必要，起码楼主是需要的；而这涉及到第 2 点中的形式不同问题，至少要预处理一下
8 }: V& L: n6 g8 u) u: l, R6 L6 D
4. FastWordQuery 我首次回帖就告知了楼主

5. 我不是楼主
4 W4 r  q, H' a$ B% M

xusorn

脚下千 发表于 2019-6-12 13:05
。。。

1. 问题中是： Vocabulary.com + Collins + 雅思 + 牛津 —— “制作成anki记忆库（反面是相应词 ...

" X* d5 c) W; K$ ^+ ?我上一条是在回复你回复我的“这个要词典本身支持才可以的，目前很少这样的词典。楼主说的是匹配短语，不是单词。（具体见我前面的帖子）”
我回复楼主的是匹配词组，你说我是回复匹配单词，所以我进行了回应。
0 Z  \, g1 B$ l3 i8 c* H& ^+ O你说目前词典少，所以我就把论坛可以查的词典多告诉你了。
" U3 A2 K+ l  F# q8 t) Z2 r0 m结果你和我扯什么形式，什么综合，搞得我好像没看清提问一样，而且你告知了和我有什么关系，我一开始就没回复你，是你在回复我，说我查的不是词组是单词啊。。。

脚下千

1 J/ ?) \  t8 v& S; V5 t

xusorn 发表于 2019-6-12 15:38
我上一条是在回复你回复我的“这个要词典本身支持才可以的，目前很少这样的词典。楼主说的是匹配短语，不 ...

之前回复你是看到你的用词—— 什么“不够好吗，……就是了，……就是了” 才回复的，另外当时你的图片也没显示出来（也许是论坛原因），我表达能力低下，想让你去看我之前写的内容 ，但因为 我懒，我笨，我没写清楚，我标点符号不会用，最后让你觉得我在说你用它来匹配单词而不是短语 —— 的确，我 这个 sb 怎么知道 fq 原来也可以匹配短语 ?!
$ R7 m5 _2 N2 ^! ^5 \7 w
算了，我是 sb，这里不是 StackOverflow，论坛发帖不需要看别人回帖。不再继续争论。我是 sb。

xusorn

脚下千 发表于 2019-6-13 11:00
之前回复你是看到你的用词—— 什么“不够好吗，……就是了，……就是了” 才回复的，另外当时你的图片也 ...

: Z' W' N+ E: X+ v# c图片应该是是之前服务器出了问题，我一开始就不认为查询这些词组不是特别困难的事情，但如果我的措辞对你产生了困扰，我对你表示抱歉。刚刚把你的回复完整的看了一遍，我个人认为你可能是想把词条统一形式表达，然后进行合并去重再统一查询，不知道是不是这样，如果是是的话，我个人认为存在三个需要考虑之处
0 ]( `: Y1 N8 |9 y6 d1 X1.工作量对于我和一般的不会Python的用户来说，应该不算小，因此可行性不高，或许程序员可以解决这个难题。
) W6 E1 y4 l4 i; s7 B6 z2.如果统一了形式，再进行查询，是否能够查询得出，因为每个词典的表示不同，那么同一个形式是否能在多个词条查询出结果，这也是一个需要考虑的问题。
" m8 l, f6 j3 f. X3.此外，每个词表的来源词典不同，因此导致词频及常用性的统计也不相同，合并后是否能够兼顾这些？
  ?. k7 F7 C4 {2 S# c6 K4 L: O因此我觉得，如果仅仅是为了去重而大费周章的改形式的成本远大于收益，所以我建议直接用多本词典进行查询或许是更好的选择，我已经制作出来了，比把制作流程发到了论坛，如果有兴趣，也可以看看[【展示+制作教程】根据高频短语词组制作anki记忆库教程https://www.pdawiki.com/forum/fo ... hread&tid=34820]

margoagnes

好高深的样子