标签：blog http for 文件 问题 log html ad ef
我从初中开始基本上就是一个英语很烂的人，数理化再好有什么用，工作了，结果发现数理化都没啥用，最有用的还是当年学的最烂的英语。于是在2011年年底开始了学习英语的课程，在学习的过程中，外教经常会放英剧美剧给我们看，看了以后回答问题，讲解，挺有意思的。印象最深刻的就是Neil给我的Doctor Who还有另外一个外教放的Friends。后来在课程快结束的时候，萌发了一个想法，能不能只看英文字幕来看美剧（当然还有英剧），这样没有中文字幕的话才能在看美剧的过程中联系阅读与听力。但是美剧中很多词汇不懂，一旦句子中出现了两个不懂的词汇，那么这句话基本上就不懂是啥意思了。那么我能不能根据我的实际词汇量，对字幕就行修改，如果是认识的单词，那么就不管，如果是不认识的单词，那么就给出其中文意思，这样能够便于理解整个句子，而且在潜移默化中慢慢的提高词汇量。
一年多前萌发的这个想法，于是按照这个思路写了一个字幕注释的小程序，可惜只写了一大半，然后由于工作的原因，就停了，最近突然想起这个东西，于是想能够把这个程序完成。（最近射手网和人人字幕组的关闭，让我觉得这个软件的必要）
整个程序的设计思路是这样的：
1.第一次运行这个程序时，需要设置词汇量，根据柯林斯词典提供的词频分级表，按词频分成5到0级词汇，0级最难最少用，5级最常用。用户根据对自己的估计进行选择，如果英语烂，那么就选择只认识5级词汇。如果英语不错，过了四六级那么可以选择4级或者3级，如果是英语专8水平啥的，可以选择更高级的词汇。选中后就会把这些等级的词汇记录到已认识的词汇表中（如果有些词不认识，可以通过用户词汇管理功能进行调整）.
2.提供生词本导入功能，如果用户是开心词场，有道词典之类的软件的用户，那么可以将这些软件的记录导入到这个程序中，便于完善用户自己的认识和不认识的词汇列表。
3.用户下载带有英文字幕的srt或者ass格式的字幕文件，这个字幕文件可以是全英文的，也可以是中文英文都包含的，程序会将中文字幕全部移除，只保留英文字幕部分。
4.对英文字幕中的每个句子进行转换和分解，分解成词汇，然后用分解出的词汇和用户词汇表进行比对，如果发现是用户认识的单词，那么就忽略，如果是用户不认识的单词，那么就查询字典（默认采用的是维科英汉词典10W词汇，基本满足日常词汇需要），得到该单词的中文解释，如果词典中查不到这个词，那么就忽略，查的到就显示出来。
5.用户根据显示出来的所有词，再选择哪些是认识的，如果认识就可以标记为认识，以后也不会被注释。如果是不认识的，那么可能这个词存在多种注释，用户可以选择哪种注释在这个句子中更合理。
6.根据用户选择，把英文字幕进行替代，不认识的词汇会在旁边加上简短的中文注释。如果用户觉得整句话都很难，想把整句话都翻译了，那么可以调用网上的翻译服务（有道，百度，微软，谷歌），对整句话进行翻译。
7.用户可以进一步在界面上手工调整注释后的字幕，然后只需要保存这个替换后的英文字幕，然后用播放软件导入这个新字幕即可。
在编写这个程序的时候，遇到了很多关于英语上的问题，挺有意思的，下面列举一下：
1.如何得到一个单词的原型。
英语单词有很多种变形，比如复数+s/es，过去式+ed，现在进行时+ing，比较级+er等，我们一般不会说认识单词do，却不认识单词doing，程序必须找到doing的原型do，然后再到用户词汇表中去查用户是否认识do这个词。这个我之前的处理办法很复杂，现在的处理办法很高效，很实用。
2.如何知道一个词是人名/地名。
在美剧中必然会大量的出现人名地名啥的，如果人名本身没有其他意义那还好说系统会忽略，但是如果人名有其他意义就会对整个句子的意思造成影响。比如He is Bush.这么一个句子，如果把Bush作为单词，那么就会翻译成“他是灌木丛”，这也太搞了，这里程序应该意识到Bush是人名，对于人名就不需要翻译。怎么知道一个单词是人名呢？我目前的做法简单粗暴直接，维护了一个常见的人名列表，如果首字母大写的，那么就查询这个人名列表，存在则说明是人名，不存在就当普通词汇处理。地名目前没有维护，没有处理，毕竟地名出现的频率没有人名高。
3.对于一词多性多义，怎么判断取哪个意义。
有些单词既可以做动词用，也可以做名词用，当名词时和动词时的意思完全不一样，这是一个问题。比如book，可以做n.那么就是书的意思，也可以做v.那么就是预定的意思。这两个意思毫无关联，那么怎么确定一个句子中的book到底是哪个http://blog.sina.com.cn/s/blog_48b0011f0102v6zc.html意思呢？
一个是看是否变形，如果是booking或者booked，那么这是动词的变形，所以必然取动词的解释：预定。
二是看前后单词的词性，如果book的前面是adj.那么这里的book就是名词。
三分析整个句子，看book是做谓语还是主语/宾语，如果是谓语那就是动词，主语宾语就是名词。
4.对于一词多义，而且词性还相同，那怎么取。
这个有难度，我程序没办法解决，把每个意义都列出来，让用户根据上下文，自己选择。比如I like this date.这里Date可以是日期的意思，可以是约会的意思，也可以是枣子的意思，从语法上讲都是对的，只有根据上下文，让用户自己选择。
5.原型和变形是两个单词，那么怎么决定采用原型还是变形。
比如comforting是令人欣慰的意思，adj.，但是如果查原型comfort，只有n.和v.所以不能将comforting转换成原型再查下其意思，在作为形容词的时候，必须保持这个形式。还是只有从词性入手，如果是形容词，那么后面应该跟名词，如果是动词ing形式，那么应该是现在进行时的语法形式。
标签：blog http for 文件 问题 log html ad ef
原文地址：http://www.cnblogs.com/studyzy/p/4118528.html
