如何用Python/正则/Excel分离中英混杂词汇并生成分栏对照表

• 待处理对象为存储中英混杂专业词汇的纯文本文件，词条以空格为分隔符，原始文本示例：
  Above Ground 地面上 AG Abutment 橋臺 ABUT Acceptance Quality Level 可接受品質水準 AQL Acoustical 隔音 ACOUS Adit 隧道橫坑 Advanced Shoring Method 支撐先進工法
• 词条结构规则：基础结构为「英文词条+中文词条」，部分词条在中文后附带全大写英文缩写，单条词条参考：Abutment 橋臺 ABUT
• 处理目标：将所有词条整理为英文、中文各占一列的两列表格。
• 现有尝试：最初计划使用numpy、正则表达式实现需求，同时希望了解Excel类无代码的简便替代方案；自行编写的正则代码运行报错，代码如下：

import re

path = 'wordlist.txt'
file = open(path, "r")
result = re.match(r"([\u4e00-\u9fa5]*)([A-Za-z\s]*)", file)
print(result.group(1)) 
print(result.group(2)) 

• 报错信息：

Traceback (most recent call last):
  File "c:\Users\...\Desktop\web dev\parsetextforQuizlet\sepretatchiEng.py", line 5, in <module>
    result = re.match(r"([\u4e00-\u9fa5]*)([A-Za-z\s]*)", file)
  File "C:\Users\...\AppData\Local\Programs\Python\Python39\lib\re.py", line 191, in match
    return _compile(pattern, flags).match(string)
TypeError: expected string or bytes-like object

1. 类型错误：re.match 方法要求传入字符串/字节类型参数，代码直接传入了open()返回的文件对象，未调用read()方法读取文件实际内容，触发类型校验失败。
2. 正则逻辑错误：编写的匹配规则顺序为「先匹配中文、再匹配英文」，和实际词条「英文在前、中文在后」的结构完全相反；同时未处理多词英文、繁体中文、可选缩写的边界，即使修复类型错误也无法正确拆分词条。

方案1：Python正则实现（无额外依赖） #

代码适配原始文本的「英-中-可选缩写」循环结构，运行后可直接打印markdown格式表格，也可导出为UTF-8编码的CSV文件直接用Excel打开，无乱码问题：

import re
import csv

# 读取文件内容，若文件为繁体中文big5编码可将encoding替换为'big5'
with open('wordlist.txt', 'r', encoding='utf-8') as f:
    content = f.read().strip()

# 正则规则说明：
# 1. 匹配英文词条：以大写英文字母开头，由大小写英文、空格组成，非贪婪匹配到中文前截止
# 2. 匹配中文词条：匹配所有繁体/简体中文字符
# 3. 匹配可选缩写：中文后0或1组2-5位长度的全大写英文
# 4. 正向预查：缩写后必须接下一个大写开头的英文词条，或到达文本末尾，避免匹配错位
pattern = re.compile(
    r'([A-Z][A-Za-z\s]*?)\s*([\u4e00-\u9fff]+)\s*([A-Z]{2,5})?(?=\s+[A-Z]|\s*$)'
)
matches = pattern.findall(content)

# 整理词条，缩写附在英文词条后
word_list = []
for eng, chn, abbr in matches:
    eng_clean = eng.strip()
    if abbr:
        eng_clean = f"{eng_clean} ({abbr})"
    word_list.append( (eng_clean, chn.strip()) )

# 打印markdown表格
print("| 英文词条 | 中文释义 |")
print("|----------|----------|")
for eng, chn in word_list:
    print(f"| {eng} | {chn} |")

# 导出为CSV文件（供Excel使用），取消下方注释即可
# with open('词汇表结果.csv', 'w', encoding='utf-8-sig', newline='') as f:
#     writer = csv.writer(f)
#     writer.writerow(["英文词条", "中文释义"])
#     writer.writerows(word_list)

针对给出的示例文本，运行后输出结果为：

方案2：Excel无代码实现 #

不需要写脚本，直接用Excel公式即可完成拆分，步骤如下：

1. 将原始文本拆分到A列，每行对应一个完整词条块。
2. 提取中文：在B1单元格输入公式 =TEXTJOIN("",TRUE,IF(MID(A1,ROW(INDIRECT("1:"&LEN(A1))),1)>"z",MID(A1,ROW(INDIRECT("1:"&LEN(A1))),1),""))，365/2021及以上版本Excel直接回车，旧版Excel按Ctrl+Shift+Enter确认数组公式，即可提取单元格内所有中文字符。
3. 提取英文（含缩写）：在C1单元格输入公式 =TRIM(SUBSTITUTE(A1,B1,""))，即可剔除中文内容，得到清理后的英文+缩写部分。
4. 选中B1、C1单元格下拉填充所有行，复制B、C列后粘贴为值，删除多余列即可得到最终两列表格。

内容的提问来源于stack exchange，提问作者Veritas