本文介绍如何利用Python脚本构建科研语料库，以提高论文润色效率。通过自动化处理PDF文本，避免换行符问题，实现一句一行为目标的语料库格式。文中提及AntConc软件，并讨论了句号作为分隔符的局限性及后续优化方案。
文章原文：https://blog.oliverxu.cn
去年上《学术英语》课程的时候学过了科研语料库的使用，但当时没咋写论文，所以实际操作体验效果不明显，但是最近在润色之前写的一篇论文，又想到了这个语料库的使用，于是用了一下，发现效果还不错，本博客记录一下语料库的使用。同时，给出制作语料库的Python脚本。
语料库软件简介
上课时老师推荐的是AntConc，那就用这个软件吧。
具体相关资料可以直接用搜索引擎搜索。
软件的界面如下：
主要的操作流程一般就是导入个txt文件制作的语料库，设置Search Term，然后点击start就可以出结果了，当然还有很多高级使用方式，不介绍了。
语料库制作脚本
所谓语料库，顾名思义就是，语言资料库，就是语言表达的集合。
如果直接从论文PDF中复制全文，由于换行符号的存在，复制出来的效果会是这样的：
我用的福昕PDF阅读器，如果用福昕PDF阅读器另存为txt文件，效果会是这样的：
这两种方式显然都不
最低0.47元/天 解锁文章
扫一扫
2268
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
