企业官网建设流程全解析

• 数据集
• 教育

📚 DictionaryData 是一个高质量英语单词库数据集：收录 70000+ 个单词、60000+ 个中文释义、400 多本分类好的单词书，覆盖小学英语、中学、高中、考研、考博、出国（GRE、托福）等全阶段。本文带你逐个拆解 word.csv、book.csv 等文件的每个字段，零基础也能 10 分钟上手这份数据字典。

一、先认识项目：一份"单词 + 单词书"双主线数据集

DictionaryData 的价值在于把两件事做全了：

• 单词维度：每个单词都带英音/美音音标、词频、难度、认识率等量化属性；
• 单词书维度：从人教版教材到四六级、考研词汇表，每本书都有作者、出版社、版本等完整元数据；
• 关系维度：一本书包含哪些单词、单词属于哪本（几本）书，用独立的关联表维护。

数据规模一览（均为仓库原始文件）：

💡 翻译表词条数大于单词表的原因：它同时收录了缩写、机构名、地名（如aaal→ American Academy of Arts and Letters）等扩展词条，覆盖面比基础单词表更广。

二、关键细节：两个文件用>做分隔符

阅读数据前必须知道这一点：word.csv 和 book.csv 虽然扩展名是 csv，但字段分隔符是>而不是逗号；而 word_translation.csv 是标准逗号分隔 CSV。

用 Python 加载时，官方推荐方式来自 README.md：

import pandas as pd book = pd.read_csv('book.csv', sep=">") word = pd.read_csv('word.csv', sep=">") relation_book_word = pd.read_csv('relation_book_word.csv', sep=">") word_translation = pd.read_csv('word_translation.csv')

三、word.csv 单词主表：7 个字段逐个拆解

单词主表是整份数据字典的核心，一行一个单词（含短语，如for sb.'s own part）。

📖字段用法提示：

• 做听音/发音功能：直接取vc_phonetic_uk与vc_phonetic_us双音标；
• 做记忆优先级排序：vc_acknowledge_rate低 +vc_difficulty高的词，往往是你最需要攻克的词；
• 做词频统计：vc_frequency可用于筛选高频词，适合快速积累。

四、word_translation.csv 翻译表：两列即全部

翻译表结构极简，一个单词对应一条中文释义：

翻译内容包含词性标注（n./v./adj. 等）、多义项与专业领域释义，一条记录可能包含多个义项。

五、book.csv 单词书主表：14 个字段逐个拆解

单词书表是"400 多本单词书"的元数据中心，共 14 个字段：

📖字段用法提示：

• 两级分类结构：bk_level=1是大类（如"小学英语""大学英语四级词汇""高中英语"，共 25 个）；bk_level=2是具体单词书（共 558 本）。通过bk_parent_id即可建立父子关系——大类的bk_id等于其下每本书的bk_parent_id。
• 单词数统计：bk_item_num是该书（含子级）单词总数，顶级分类行的bk_item_num会远大于bk_direct_item_num（如"高中英语"大类汇总约 10 万词），展示列表时建议用bk_order排序。
• 教材元数据齐全：bk_author、bk_publisher、bk_version、bk_orgnization让每本教材书都"有身份可查"；bk_flag还附带了原书中的词汇标注统计（如黑体重点词数量）。

六、relation_book_word.csv 关系表：把书和词连起来

relation_book_word.zip 解压后得到 relation_book_word.csv，同样是>分隔，6 个字段：

📖 这张表是标准的多对多关联表：一本书可以包含多个单词，一个单词也可以出现在多本书中（如"四级词汇"和某本高中教材共享同一批词）。bv_tag+bv_order保留了单词在教材中的单元归属和出现顺序，非常适合复刻"按 Unit 背单词"的体验。

七、四张表如何联动：一次查询的完整思路

四张表通过 ID 字段串联成一条链路：

book.csv (bk_id) │ bk_id = bv_book_id ▼ relation_book_word.csv (bv_voc_id) │ bv_voc_id = vc_id ▼ word.csv (vc_id) └─ 再按 word 关联 word_translation.csv 取中文释义

一个典型查询：「人教版高中英语1 - 必修 里 Unit 1 的单词及其释义」——用bk_name在 book.csv 中定位bk_id，到关系表中筛出该书bv_tag=Unit 1的bv_voc_id列表，再用vc_id回到 word.csv 取单词与音标，最后按word到 word_translation.csv 补齐中文。

八、新手上手清单 ✅

1. 下载数据：如需克隆仓库获取最新数据，执行git clone https://gitcode.com/gh_mirrors/di/DictionaryData；
2. 注意分隔符：word.csv 与 book.csv 用>读取，word_translation.csv 用标准 CSV 读取；
3. 解压关系表：relation_book_word.zip 先解压再读取；
4. 按 ID 关联：bk_id ↔ bv_book_id、vc_id ↔ bv_voc_id、word ↔ vc_vocabulary；
5. 先跑通一个小查询：任选一本书，列出它的单词和翻译，验证链路无误后再扩展功能。

总结

DictionaryData 用 4 张结构清晰的数据表，提供了「单词属性 + 双音标 + 难度量化」「教材级单词书元数据」「书-词多对多关系」三大能力，是搭建背单词应用、英语词典、词汇统计工具的高质量数据底座。把本文的字段对照表收藏起来，你的第一个单词数据应用就可以开工了。

• 数据集
• 教育