主要目的是配合英语学习的透析阅读法使用，什么叫透析阅读法请自行搜索。

程序很短，简单地说，就是：

1. 读取一本小说的文本，干掉复数、时态这些东西，得到一本小说的词汇表；
2. 和美国当代英语语料库COCA20000词频表对比，去掉特别高频的词和不常用的词，生成你可能不认识的词表。

生词表生成后可导入欧陆词典一类的app，快速预习一下，可以大幅提升阅读原版书籍时的体验。

用Jupyter Notebook写的，解释和可调参数也都在里面，请自行点开generator.ipynb阅读使用。 运行前请先安装nltk和textract库。

目前支持：

• txt
• pdf（文字版）
• epub
• doc/docx
• csv
• xls
• xlsx

非txt文件花的时间会久一点，对其他格式的支持不一定好，我没有测试特别多文件。