一个简单的文本处理程序（有道翻译单词导出至墨墨背单词）

如下为墨墨的导入要求

 

 很明显，例3的导入方法是最好的；

有道单词导出

 

选择txt导出后发现文本编码方式为UTF-16 LE  并不能直接用于文本处理 ，shift+ctrl+s 另存为UTF-8即可

 

 观察文本结构可以发现，每个单词前后都有一个空格，使用split(" ")分割每一行后，第2个元素就是单词，这就很好处理了；

附代码

fd = open('1.txt') #待处理文本
fd_w = open('2.txt','w+') #待生成文本
for line in fd.readlines():   #读取每一行  
    word_all = line.split(" ") #每一行的词以空格划分
    if len(word_all)>1 and word_all[1].isalpha(): #len大于1是要去掉一些无用行 isalpha用于判断字符串是否全为英文
        fd_w.write(word_all[1]+"\n")#将取出的词添加到待生成文本里
fd.close()
fd_w.close()

文本1.txt

1, abbreviations  [əˌbri:vɪˈeɪʃn]
n. [语] 缩写词，缩略语；[语] 缩写（abbreviation的复数）
2, albeit  [ˌɔːlˈbiːɪt]
conj. 虽然，尽管
n. (Albeit) （美、英、马）艾乐贝特（人名）
3, alternating  ['ɔːltəneɪtɪŋ]
adj. 交替的；交互的
v. 使交替；依次（alternate的ing形式）
4, antenna  [ænˈtenə]
n. [电讯] 天线；[动] 触角，[昆] 触须
n. (Antenna)人名；(法)安泰纳

处理后的文本2.txt

abbreviations
albeit
alternating
antenna
appendix

 

嗯，但是还是有点问题，单词短语不能很好的处理，待有想法了再改进改进~~~~

单词里的汉语意思竟然有敏感词，2333~

---使用xml的方式导出

 

 附简单的代码；

import xml.etree.ElementTree as ET

tree = ET.parse("dsd.xml")
c=tree.getroot()
with open("w.txt","w",encoding="utf-8") as fc:
    for idx in c.findall("item"):
        nm = idx.find("trans").text
        oo=nm.replace("\n","").replace("\r","")
        fc.write("{} {}\n".format(idx.find("word").text,oo))
        print(idx.find("word").text)