立志要当程序猿的人，不是应该学会减少重复性劳动么？

[Rafaam]

楼主是一只长期潜水于 V2EX 的传媒学生，如果有说错的地方，欢迎大神们指出。

昨天，我一个软件工程专业的同学拿了如上的一份 EXCEL 来找我，说项目老师让他根据 D 列的主题分别填写 B 、 C 、 E ，总共 1 万多行的数据要两天内完成。我那个同学苦恼不已，四处找熟人帮忙。楼主是个外行，想不到取巧的方法，只好答应帮他完成一部分。问题是，立志要当程序猿的人，难道不应该学会让电脑来做这些重复性劳动么(╯‵□′)╯︵┻━┻

论坛的大大们有什么好办法吗？

补充另一张 EXCEL ：

[just1]

结巴分词可以尝试

[shiny]

考虑分词吧，有现成的轮子可以用

[pheyer]

愿意花时间的话上面已经给出提示了
省时间的话某宝上搜 python excel

[21grams]

两天不见得写的出来，学生更不可能

[scys]

10k 的容量，这种分词人肉大概是 6 个小时左右 ~_~
猜测老师在分配自己的外快中。

[mcone]

没基础的话 2 天还是人肉来吧，什么立志当程序猿什么的，别想那么多……

这貌似是老师自己的私活平均分下来的吧，之前我校某老师出的翻译版的书，也是这么分给学生然后攒起来的。。。。。。

[Rafaam]

@just1
@shiny
@pheyer
谢谢你们的指点

[Rafaam]

@21grams
@scys
@mcone

我是学新闻的，只是不理解我那同学都大三了，为什么还在做这么笨的工作°Д°
打破了我对程序猿的美好幻想……

[just1]

@wanll93918 程序员有什么美好幻想。好吧(∩_∩)我高一

[Devin]

把各行都出现的字都去掉，应该可以解决一半问题，最后问题变成字符处理问题

[server]

减少别人的重复劳动，不是较少程序员的重复劳动

[billlee]

@just1 和 @Devin 已经把方法说出来了，就是分词 + IDF. 用 python 应该可以轻松搞定的。
不过只有一万个样本的话，准确率可能不是很高，速度可能和手工做差不多，但是写代码总比填一万个空轻松啊。

[xiamx]

手动填 1000 行， 80/20 Split ，分词， IDF ， SVM

[yixiang]

粗糙方法：网上搜索农产品名称，建个数组，根据字符串匹配出 BC ，手工做个几百行数据，做关键字数组，根据字符串匹配出 E 。

显然这个方法关键字数组会不怎么准确，但如果是我就将就用这个了。