下載

鏈接: https://pan.baidu.com/s/1SX5cd2YwZJxmRopF6BooeA??

密碼: ra5c

背景

前段時間打算練習聽力+擴充詞匯量，所以用爬蟲爬下了全季的英文劇本，然后處理了整個詞頻，用“歐路詞典”把詞頻文件做成了生詞本。

壓縮包內(nèi)容

all.txt是season1到season6所有的劇本合成的大文件，主要是用來通過在線詞頻獲取網(wǎng)站（https://www.online-utility.org/text/frequent_words.jsp）生成詞頻文件的。

“clean”開頭的是我清洗過后的詞頻，主要剔除了一些數(shù)字和無效字符。

這里clean_words10.txt是詞頻>=10的，clean_words4.txt是詞頻>=4且<10的，剩下的類推。

最終在歐路上生成的生詞本：