一、背景引入：從“人工整理”到“自動化處理”的轉變

在英語學習過程中，我們經常會接觸各種分組整理的詞匯表，比如“Group1”對應一組單詞及釋義，隨后是“Group2”、“Group3”等等。如果你下載了一個 .txt 格式的四級詞匯表，打算分類整理后導入 Excel 學習軟件中，大概率你會遇到格式雜亂、分組不清、復制麻煩的問題。

這正是我們今天要解決的實際場景：如何用 Python 腳本自動讀取一份分組文本，提取每組單詞及釋義，并導出為結構清晰、按組分類的 Excel 文件？

本文將通過一段簡潔但實用的代碼，為你完整拆解整個處理過程。只需一次點擊，就能讓海量詞匯“格式整齊地排隊”進入 Excel，開啟你的高效學習之旅。

---

二、思路分析：我們到底要做什么？

整個任務可以分為以下幾個步驟：

1. 讀取文本文件：讀取本地 .txt 文件中的原始詞匯數據。
2. 按組分割內容：使用正則表達式識別每個 Group 的起始點，并提取組名與內容。
3. 提取每行單詞和釋義：針對每組中的每一行，解析出單詞與釋義（考慮 Tab 和空格分隔）。
4. 分組保存為 Excel Sheet：每個 Group 單獨作為一個 Excel 的 Sheet 保存，輸出為 .xlsx 文件。
5. 打印結果提示：腳本執行完畢后，輸出處理結果路徑。

這不僅是一次對正則表達式和 pandas 的實戰練習，也是一次程序自動化處理文本數據的典型示例。

---

三、具體功能實現：每一步都不馬虎

1. 讀取文本數據

with open("四級單詞.txt", "r", encoding="utf-8") as file:raw_text = file.read()

這段代碼打開并讀取了名為《四級單詞.txt》的文件內容。注意編碼采用 UTF-8，防止中文亂碼。

2. 利用正則表達式識別 Group 分組

pattern = r"(Group\d+)\n"
splits = re.split(pattern, raw_text)

• 我們設定一個正則：Group 開頭，后接數字，最后以換行結束。
• 然后用 re.split 分割文本，這樣就能將每組的組名和詞條內容分開。

舉個例子，原文本可能像這樣：

Group1
apple	蘋果
banana	香蕉
Group2
run	跑
jump	跳

經過 re.split 之后，splits 的結果會是：

['', 'Group1', 'apple\t蘋果\nbanana\t香蕉', 'Group2', 'run\t跑\njump\t跳']

3. 將每組單詞提取到字典中

grouped_data = defaultdict(list)
for i in range(1, len(splits), 2):group_name = splits[i]entries = splits[i + 1].strip().split("\n")for entry in entries:...

• 利用 Python 的 defaultdict(list) 自動為每個組建立一個單詞列表。

• 每個詞條處理如下邏輯：

  • 優先使用 \t 制表符分隔；
  • 若沒有 \t，嘗試用空格分隔；
  • 去掉無效或空行，確保數據干凈整潔。

if "\t" in entry:word, meaning = entry.split("\t", 1)
elif " " in entry:parts = entry.split(maxsplit=1)if len(parts) == 2:word, meaning = partselse:continue

這樣處理后，每個分組會變成例如：

'Group1': [('apple', '蘋果'), ('banana', '香蕉')]

4. 寫入 Excel 文件，每組一個 Sheet

with pd.ExcelWriter(output_path) as writer:for group, word_list in grouped_data.items():df = pd.DataFrame(word_list)df.to_excel(writer, sheet_name=group, index=False, header=False)

• 使用 pandas.ExcelWriter 寫入 Excel。
• 每個分組作為一個單獨的 Sheet 頁。
• 不寫入表頭或行號，使數據更加簡潔。

最終生成的文件結構清晰、美觀，每頁都是該組的詞匯，便于記憶與分類學習。

5. 執行結果提示

print(f"轉換完成，已保存為：{output_path}")

一個簡單但貼心的用戶提示，方便確認處理成功與結果文件位置。

---

四、代碼展示：實用就是最好的美學

完整代碼如下（可直接運行）：

import re
import pandas as pd
from collections import defaultdictwith open("四級單詞.txt", "r", encoding="utf-8") as file:raw_text = file.read()pattern = r"(Group\d+)\n"
splits = re.split(pattern, raw_text)
grouped_data = defaultdict(list)for i in range(1, len(splits), 2):group_name = splits[i]entries = splits[i + 1].strip().split("\n")for entry in entries:entry = entry.strip()if not entry:continueif "\t" in entry:word, meaning = entry.split("\t", 1)elif " " in entry:parts = entry.split(maxsplit=1)if len(parts) == 2:word, meaning = partselse:continueelse:continuegrouped_data[group_name].append((word.strip(), meaning.strip()))output_path = "四級單詞.xlsx"
with pd.ExcelWriter(output_path) as writer:for group, word_list in grouped_data.items():df = pd.DataFrame(word_list)df.to_excel(writer, sheet_name=group, index=False, header=False)print(f"轉換完成，已保存為：{output_path}")

---

五、學后總結：你收獲了什么？

本腳本涵蓋了多個關鍵技能點，值得初中級開發者好好吸收：

• 正則表達式：熟練使用 re.split() 與 re.match() 是文本解析的基礎；
• 文本清洗：處理不規則數據需要嚴謹的判斷和預處理；
• 數據結構選型：defaultdict 是處理分組數據的神器；
• pandas 應用：將數據寫入 Excel 是最常見的自動化場景之一；
• 代碼可復用性強：換成詞匯表、筆記數據、考試清單都能用！

拓展建議：

• 增加錯誤日志，記錄格式不規范的詞條；
• 支持中文注釋與 Sheet 排序；
• 加入 GUI 界面（如 Tkinter），一鍵操作更直觀。

---

通過這一小項目，你不僅提升了文本處理能力，還掌握了數據清洗與文件導出的實用技巧。記住，編程的價值在于解決問題，而最能讓你成長的，正是這種“從無到有”的小工具！

---