摘要：意味著字符串必須以結(jié)束。匹配不在方括號(hào)內(nèi)的任意字符中轉(zhuǎn)義字符使用倒斜杠。你需要輸入轉(zhuǎn)義字符，才能打印出一個(gè)倒斜杠。但是，通過(guò)在字符串的第一個(gè)引號(hào)之前加上，可以將該字符串標(biāo)記為原始字符串，它不包括轉(zhuǎn)義字符。

每個(gè)英語(yǔ)學(xué)渣（好吧，其實(shí)這個(gè)說(shuō)的就是學(xué)渣本渣了♀）都有這樣一個(gè)夢(mèng)想： 能夠一邊輕松愉快地看著美劇，一邊自己的英語(yǔ)聽(tīng)力水平還能蹭蹭地往上漲 。知乎上也有很多人分享了自己通過(guò)美劇練習(xí)聽(tīng)力的方法，比如說(shuō) 只開(kāi)英文字幕 或者 干脆就不要字幕 。但是這兩個(gè)方法都有自己的缺點(diǎn)，只開(kāi)英文字幕的方法雖然說(shuō)避免了下意識(shí)只看中文，但是卻造成了只看字幕不聽(tīng)讀音，從而練習(xí)了閱讀忽略了聽(tīng)力；不開(kāi)字幕的方法確實(shí)做到了強(qiáng)迫自己必須認(rèn)真聽(tīng)，可是對(duì)于很多人來(lái)說(shuō)，美劇中充滿了大量的陌生詞匯，比如說(shuō)：

這句話中的 betrayal 是背叛的名詞形式，可能很多人就不認(rèn)識(shí)，或者說(shuō)認(rèn)識(shí)但是卻沒(méi)聽(tīng)過(guò)他的正確發(fā)音。這樣一來(lái)，對(duì)這句話的理解就會(huì)出現(xiàn)障礙。美劇中還有很多類似情況，用這樣的聽(tīng)力材料顯然是不適合的。為了應(yīng)對(duì)這種情況，我有了個(gè)想法：將字幕中的詞匯拆分，并進(jìn)行詞頻的檢測(cè)， 如果詞頻在 4000（可以根據(jù)自己的情況進(jìn)行調(diào)整）以內(nèi)，則將單詞刪除，如果詞頻在 4000 以外，則多帶帶標(biāo)注出該詞的中文 ，效果如下：

這樣一來(lái)，這句話對(duì)于我來(lái)說(shuō)就沒(méi)有任何詞匯上的障礙，假如一遍聽(tīng)不懂，我就可以放心大膽的再聽(tīng)一遍而不必?fù)?dān)心是由于詞匯的問(wèn)題造成的理解障礙。

下面介紹程序的大體思路：

首先觀察字幕文件，選擇后綴名為 srt 的字幕文件用記事本打開(kāi)如下（其他類型的字幕文件用記事本打開(kāi)以后格式非常復(fù)雜，此處不討論）：

觀察文本特點(diǎn)，撰寫(xiě)相應(yīng)的 正則表達(dá)式 。

雖然在 Python 中使用正則表達(dá)式有幾個(gè)步驟，但每一步都相當(dāng)簡(jiǎn)單。

用import re導(dǎo)入正則表達(dá)式模塊。

用re.compile()函數(shù)創(chuàng)建一個(gè)Regex對(duì)象（記得使用原始字符串）。

向Regex對(duì)象的search()方法傳入想查找的字符串。它返回一個(gè)Match對(duì)象。

調(diào)用Match對(duì)象的group()方法，返回實(shí)際匹配文本的字符串。

常用的匹配規(guī)則：

?匹配零次或一次前面的分組。

*匹配零次或多次前面的分組。

+匹配一次或多次前面的分組。

{n}匹配 n 次前面的分組。

{n,}匹配 n 次或更多前面的分組。

{,m}匹配零次到 m 次前面的分組。

{n,m}匹配至少 n 次、至多 m 次前面的分組。

{n,m}?或*?或+?對(duì)前面的分組進(jìn)行非貪心匹配。

^spam意味著字符串必須以 spam 開(kāi)始。

spam$意味著字符串必須以 spam 結(jié)束。

.匹配所有字符，換行符除外。

d、w和s分別匹配數(shù)字、單詞和空格。

D、W和S分別匹配出數(shù)字、單詞和空格之外的所有字符。

[abc]匹配方括號(hào)內(nèi)的任意字符（諸如 a、b 或 c）。

[^abc]匹配不在方括號(hào)內(nèi)的任意字符

Python中轉(zhuǎn)義字符使用倒斜杠()。字符串" "表示一個(gè)換行字符，而不是倒斜杠加上一個(gè)小寫(xiě)的n。你需要輸入轉(zhuǎn)義字符，才能打印出一個(gè)倒斜杠。所以" "表示一個(gè)倒斜杠加上一個(gè)小寫(xiě)的 n。但是，通過(guò)在字符串的第一個(gè)引號(hào)之前加上r，可以將該字符串標(biāo)記為原始字符串，它不包括轉(zhuǎn)義字符。輸入r"ffffd-ffffd-ffffdd"，比輸入"ffffd-ffffd-ffffdd"要容易得多。

由上述相應(yīng)規(guī)則結(jié)合文本特點(diǎn)得到：

#空行、行數(shù)標(biāo)號(hào)正則表達(dá)式
rgx_none_and_num = re.compile(r"d{1,2}
")
#時(shí)間正則表達(dá)式
rgx_time = re.compile(r"dd:dd:dd,ffffd --> dd:dd:dd,ffffd
")

之后，因?yàn)橐樵冊(cè)~頻，我在事先已經(jīng)準(zhǔn)備好了詞頻表：

要處理表格，需要用到 openpyxl 模塊，下面是從電子表格文件中讀取單元格涉及的所有函數(shù)、方法和數(shù)據(jù)類型。

導(dǎo)入openpyxl模塊。

調(diào)用openpyxl.load_workbook()函數(shù)。

取得Workbook對(duì)象。

調(diào)用get_active_sheet()或get_sheet_by_name()工作簿方法。

取得Worksheet對(duì)象。

使用索引或工作表的cell()方法，帶上row和column關(guān)鍵字參數(shù)。

取得Cell對(duì)象。

讀取Cell對(duì)象的value屬性。

由上述結(jié)合表格內(nèi)容，建立詞庫(kù)字典：

#詞頻在4000以后的字典：
wordlist4001 = {}
#事先將名為“1-20000.xlsx”的詞頻表放在當(dāng)前工作目錄
excel_content = openpyxl.load_workbook("1-20000.xlsx") 
sheet = excel_content["Sheet1"]
for row in range(4000,20201):
    wordlist4001[sheet.cell(row,1).value] = sheet.cell(row,2).value
#詞頻在4000以前的字典：
wordlist4000 = {}
for row in range(1,4001):
    wordlist4000[sheet.cell(row,1).value] = sheet.cell(row,2).value

所有準(zhǔn)備工作完成后，開(kāi)始讀取字幕文件和處理字幕文件，最后新建一個(gè)處理過(guò)后的字幕文件。完整程序如下：

# -*- coding:utf-8 -*-

#導(dǎo)入模塊
import re,openpyxl

#讀入字幕文件
text=open("The.Big.Bang.Theory.s05e05.720p.x264.chs&eng.srt","r")

#空行、行數(shù)標(biāo)號(hào)正則表達(dá)式
rgx_none_and_num = re.compile(r"d{1,2}
")

#時(shí)間正則表達(dá)式
rgx_time = re.compile(r"dd:dd:dd,ffffd --> dd:dd:dd,ffffd
")

#處理字幕文件
first_step = text.readlines()

#新建一個(gè)字幕文件
new_file = open("C:UsersSYQDesktop處理版.srt","w")

#建立4000后的字典
wordlist4001 = {}
excel_content = openpyxl.load_workbook("1-20000.xlsx")
sheet = excel_content["Sheet1"]
for row in range(4000,20201):
    wordlist4001[sheet.cell(row,1).value] = sheet.cell(row,2).value
#建立4000前的字典
wordlist4000 = {}
for row in range(1,4001):
    wordlist4000[sheet.cell(row,1).value] = sheet.cell(row,2).value

#挑選出文字行進(jìn)行處理
for line in first_step:

    #如果為空行，行數(shù)標(biāo)號(hào)，則不動(dòng)
    if rgx_none_and_num.search(line):
        new_file.write(line)

    #如果為時(shí)間行則不動(dòng)
    elif rgx_time.search(line):
        new_file.write(line)

    #如果為字幕行，則處理
    else:
        words = line.lower().split()
        for word in words:

            #如果單詞不在字典中，則跳過(guò)
            if word in wordlist4000:
                pass
            #如果單詞在字典中，則添加翻譯
            elif word not in wordlist4001:
                pass
            else:
                new_word = word + ":" + wordlist4001[word] +"
"
                new_file.write(new_word)

#關(guān)閉文件
text.close()
new_file.close()

因?yàn)槲乙彩且粋€(gè) python 初學(xué)者，因此在實(shí)現(xiàn)這個(gè)想法的過(guò)程中也遇到了很多問(wèn)題，最后實(shí)現(xiàn)的方法可能也顯得很笨拙，但是最后實(shí)現(xiàn)了還是很開(kāi)心的，哈哈哈。

----------

本文是我們編程教室新春征稿活動(dòng)的一篇投稿，來(lái)自作者 @ 司夜 。他和我們很多讀者一樣，學(xué)習(xí) python 的時(shí)間并不長(zhǎng)，但已經(jīng)把 python 應(yīng)用到自己的日常學(xué)習(xí)生活中，并整理成文投稿給我們，這很值得肯定。 在實(shí)踐中應(yīng)用 和 向他人講解 都是非常好的學(xué)習(xí)方式。不用在意自己寫(xiě)的代碼還不夠完善， Done is better than perfect!  
 我們編程教室會(huì)持續(xù)向所有人開(kāi)放，如果有投稿或參與志愿者的意向，歡迎隨時(shí)在公眾號(hào)里給我們留言。  
另外，關(guān)于編程與英語(yǔ)的結(jié)合，我們之前也有過(guò)不少文章，感興趣的可以閱讀：  
Crossin：我們用程序整理出了一份Python英語(yǔ)高頻詞匯表，拿走不謝！  
分享一個(gè)強(qiáng)大的英漢詞典開(kāi)源數(shù)據(jù)庫(kù)  
英語(yǔ) vs 編程  
【每周一坑】單詞本 （此系列可在公眾號(hào)“ 每周一坑 ”欄目中查看）

════

其他文章及回答：

學(xué)編程：如何自學(xué)Python | 新手引導(dǎo) | 一圖學(xué)Python

開(kāi)發(fā)案例：智能防擋彈幕 | 紅包提醒 | 流浪地球

歡迎搜索及關(guān)注： Crossin的編程教室