-
项目地址：点击此处打开对应的GitHub仓库
-
在线使用平台：点击此处打开在线使用SuperCT平台
- 🎯
TomLiu(主体代码编写以及领导者) - 📝
SwordChen(文档生成模块编写,例句中单词匹配算法（正则）) - 👨🏫
Mr.Mou(指导) - 🕵️
Carol(测试) - 🕵️
Raymond(测试) - 🕵️
Isaiah(测试)
| 步骤序号 | 部署步骤 |
|---|---|
| 1 | 下载源代码文件(.zip)或命令行执行git clone https://github.com/TomLiu-QianYuan/SuperCT.git |
| 2 | 解压并在此路径中打开命令行 |
| 3 | 终端输入pip3 install -r requirements.txt |
| 4 | 终端输入python -m streamlit run sample.py |
- 📘Tom原创的例句中单词识别算法
原创算法:句子中寻找变形单词算法(三层递归结合大小写匹配以及字符串截断)( 该算法是搜罗全网代码最少的运行效率最高的效果最好的算法)
点击查看"replace_word_forms"by Tom
def delete_all_char(string: str,
s_char=None) -> str:
if s_char is None:
s_char = ['"', "'", '[', ']', '{', '}', "\\", '|', ";", ":", "<", ">", "`", "~"]
for i in s_char:
string = string.replace(i, '')
return string
def replace_word_forms(sentence: str, base_word_: str):
result = ''
sentence = delete_all_char(sentence)
for word in sentence.split(" "):
if str(word).lower().startswith(base_word_.lower()) and len(word) - len(base_word_) <= 5:
return sentence.replace(word, 6 * "_")
if base_word_.replace(" ", '') in sentence.split(' '):
# print("直接返回", sentence, base_word_)
return sentence.replace(base_word_, 6 * '_')
else:
sta_ = 0
sta = 0
sentence = sentence.replace('-', ' ')
add_location = []
for word in sentence.split(' '):
for base_word in base_word_.split(' '):
if base_word.upper() == word.upper():
# 检测到单词无变形
# print(f"word:{word}")
result += sentence.replace(word, 6 * "_")
add_location.append(word)
sta = 1
continue
for c in range(1, 5):
if sta == 1:
break
for m in range(1, 5):
if sta_ == 1:
continue
if len(base_word) < m + 1 or len(base_word) < c + 1:
continue
if base_word[0:-c].upper() == word[0:-m].upper():
# 检测到单词有变形
# print('c', c, base_word[0:-c])
result += sentence.replace(word, 6 * "_")
add_location.append(word)
sta_ = 1
if len(base_word_.split(' ')) < 2:
return result
# 短语定位
result = sentence
result_ = ''
result = result.split(' ')
for word_ in add_location:
result = ["__" if word__ == word_ else word__ for word__ in result]
for item in result:
result_ += item + ' '
result_ = re.sub(r'\_+', '_', result_)
result_ = result_.replace('_ _', '_' * 6)
result_ = result_.replace('_ _ _', '_' * 6)
result_ = result_.replace('_ _ _ _', '_' * 6)
# result = result_
return result_
- 🔍采用
Sword的正则表达式识别例句中单词算法
点击查看"cut_key_word"(by Sword)
def cut_key_word(exam_word: str, original_sentence: str) -> str:
exam_word_change = exam_word[0:len(exam_word) - 1:1]
pattern = f"\\b{exam_word}\\w*\\b|\\b{exam_word_change}\\w*\\b"
r = re.sub(pattern, '______', original_sentence, flags=re.IGNORECASE)
return r
- 📑调用
Sword的xlsx文件生成模块 (xlsx_load.py)
点击查看"xlsx_load.py"(by Sword)
def extract_and_create_file(dict_wrong, dict_correct: dict):
# 该函数用于处理错误单词字典和正确单词字典并生成一个类文件(xlsx格式).
# 使用该函数需导入以下四个模块:import openpyxl; from openpyxl.utils import get_column_letter;
# from openpyxl.styles import Font; from io import BytesIO
# Author:Sword
wb = openpyxl.Workbook()
sheet = wb.active
counter = 0
sheet.title = "Your Word List"
desired_width = 70
sheet.column_dimensions[get_column_letter(1)].width = desired_width
for key in dict_wrong.keys():
a = sheet.cell(counter + 1, 1, key)
b = sheet.cell(counter + 1, 2, dict_wrong[key])
a.font = Font(color="FF0000")
b.font = Font(color="FF0000")
counter += 1
for key in dict_correct.keys():
a = sheet.cell(counter + 1, 1, key)
b = sheet.cell(counter + 1, 2, dict_correct[key])
a.font = Font(color="6DB33F")
b.font = Font(color="6DB33F")
counter += 1
output = BytesIO()
wb.save(output)
output.seek(0)
return output
- 🖥️采用了前后端分离的架构设计。
前端使用 Streamlit UI 框架，为用户提供简洁美观的界面。
🕸️后端主要使用 Python 语言进行开发，借助 requests 和 beautifulsoup4 库进行网页内容爬取，通过一系列精密算法对数据进行处理。
💾数据存储方面，利用 streamlit.session_state 进行临时数据存储，确保数据的快速访问和更新)
- 🎨引入
html展示结果单词列表（颜色区分对错） - 📜使用
json库解析若干语句 - 🔀使用
random打乱顺序 - 🧩使用切片,循环,正则等精密算法
- 📰实时更新最新文章列表以及最新单词
- 🗣️内嵌JavaScript并使用
Speech Synthesis API朗读单词 - 📖编写全新文章选择,支持多选,支持搜索文章
| 更新时间 | 版本信息 | 更新内容 |
|---|---|---|
| 2024/5/29 日 | WebUiVersionV1.0.0 | 本地测试通过 |
| 2024/5/29 日晚 | 完成 streamlit cloud 结合 github 仓库初步上线部署 | |
| 2024/5/30 日 | 据 Mr.Mou 建议，添加一定量个性化设置并优化诸多代码 | |
| 2024/5/30 日晚 | 大量删改不必要代码，大程度优化加载逻辑和函数加载等，采用多文件管理代码 | |
| 2024/5/31 日 | 新增个性化提示鼓励，以及 Sword 同学贡献他自定义的语料，添加例句功能 | |
| 2024/5/31 日晚 | WebUiVersionV2.1.0(Tests) | 新增检测模式（以英文选中文，以中文选英文） |
| 2024/6/4 日晚 | WebUiVersionV2.1.2(Test) | 成功修复若干 bug，新增检测模式（以单词选例句，以例句选单词）以及正确率图像绘制，修复单词数量过多 bug |
| 2024/6/5 日 | WebUiVersionV2.1.2(Stable) | 修改提示词并初步优化例句除去待测单词功能 |
| 2024/6/5 日晚 | WebUiVersionV2.1.3(Stable) | 再次优化例句除去待测单词功能并优化布局 |
| 2024/6/11 日晚 | WebUiVersionV2.2.0(Test) | 添加朗读单词功能、添加答错时显示答案功能、添加朗读单词个性化设置、美化 README.md、重写默认鼓励词并优化显示答案功能 |
| 2024/6/11 日晚 | WebUiVersionV2.2.1(Stable) | 修复朗读单词的下划线 bug、优化短语识别算法、优化下划线数量以及间隔 |
| 2024/6/12 日晚 | WebUiVersionV2.2.2(Stable) | 进一步优化短语识别算法、美化 README.md、再一次优化短语识别过多算法 |
| 2024/9/22 日晚 | WebUiVersionV3.0.1(Test) | 实现兼容 Mr.Mou 全新布局、重写关键函数(new_load_word)、为后续优化选项模式做好准备、优化函数模块、优化错误提示 |
| 2024/9/23 日早上 | WebUiVersionV3.0.2(Test) | 采用 Sword 编写的 xlsx 加载生成模块 |
| 2024/9/24 日晚 | WebUiVersionV3.0.2(Stable) | 添加展示流程信息 |
| 2024/9/26 日晚 | WebUiVersionV3.2.0(Test) | 邀请 Sword 编写例句中单词识别替换算法，并集成入配置选项中，编写全新文章选择，支持多选，支持搜索文章！ |
| 2024/9/26 日晚 | WebUiVersionV3.2.1(Stable) | 优化 Sword 的正则算法，优化 Readme.md,去除流程图 |