problem

可能的背景知识：python3；c++；dos&bat；World；Excel；PDF；

• 给定两个英文文档（约会大作战3PDF版&高中英语词汇Word版）
• 求两文档共同出现的单词有哪些，并翻译后输出到ans.txt文档中
  
  

solution（格式统一化）

1、对于PDF，导出得到1.txt文档。然后用文本编辑器打开把字符1234567890~!@%^&*()_+-=[]\;',./{}|:"<>? 替换为空格都。

2、对于Word，用替换通配符的方法把非字母的字符都替换为空格，然后再把所有空格都换行符，导出到文本2.txt。

（因为替换有点乱，所以很多空行）

【按照统计次频的方法，新建一个Excel；；从外部txt获取数据；；在列B自动填充全为1；；然后插入透视数据表】就得到了词频的统计同时完成了重复合并；；；另存为3.txt；；；

删掉前后空余的没用的行；；大约3500的高中词汇就呈现出来了。

codes

1、操作流程

1.新建4.txt；2.复制1.txt到期中；3.然后加入`gwj1314521`一行；4.然后复制3.txt到期中；5.然后加入'gwj233'一行；

2、新建cpp处理

#include
    
     #include
     
      #include
      
       #include
       
        using namespace std;const int maxn = 11000;set
        
         a,b,c;int main(){    freopen("4.txt","r",stdin);    freopen("out.txt","w",stdout);    string t; int flag = 1;    while(cin>>t){        if(t == "gwj1314521")flag = 0;        if(flag){            a.insert(t);        }else{            b.insert(t);        }        if(t == "gwj233")break;    }    set_intersection(a.begin(), a.end(), b.begin(), b.end(), inserter(c, c.begin()));    //cout<
         
          <<'\n'; set
          
           ::iterator it; for(it = c.begin(); it != c.end(); it++){ cout<<"echo "<<(*it)<<'\n'; cout<<"(tdic "<<(*it)<<") >> ans.txt\n"; cout<<"echo . >> ans.txt"<
          
         
        
       
      
     
    

3、cmd环境下运行pip install termdic 安装hzwer的终端查词（您也可以自己写，或者也可以用其他地方的API，修改上一步具体代码即可）

1.因为编码炸锅，所以安装后他的代码还要做一两处修改。2.打开目录（这里是你termdic软件的安装目录，，，找不到的话终端运行一下报错了就位置了）C:\Development\Python36\Lib\site-packages\termdic3.打开termdic.py。在最上面加入"import io"；在main中加入"sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='gb18030')"4.保存退出

4、修改4.txt后缀为bat，点击运行即可、

因为这里只提供解决方案，所以txt的编码有待优化。

5、最后数据

高中英语课本全部的词汇量大约是3600个

约会大作战13集的词汇量大约是21000个

他们有2000个相同重合的单词

参考资料

1、

2、

3、

4、

5、