简介《托业TOEIC词汇汇总》是一份面向托业TOEIC备考者的分类词汇清单适合需要快速扩充商务英语词汇量、梳理高频考点的初中级考生也可供培训教师作为课堂补充材料使用。资料按商务场景划分为办公室事宜、人事及管理、业务拓展、财务及投资等若干模块逐条列出 appointment、attendance、schedule、resume、bonus、merger、deficit 等常用词并附中文释义部分词条补充了搭配与语境提示便于按主题成组记忆、对比易混词。压缩包内共 1 个 PDF 文件整体约 42KB体量轻便手机与电脑均可随时打开查阅适合通勤或碎片时间反复浏览。目前已有 422 人学习下载。整体按主题归类、释义简洁既可作为考前冲刺的词表用于查漏补缺也能在日常商务写作与阅读中充当词汇对照工具帮助读者在有限时间内搭起托业核心词汇框架。1. 一份托业词汇汇总 PDF值钱的地方其实不是那三百个单词拿到《托业TOEIC词汇汇总.pdf》的第一反应通常是又一个按场景分好类的词表打开背就是了。十八个单元从 Office matters 一路排到 Housing每个单元二十条中英对照中间还夹着几条手写风格的批注比如 monopoly 后面写着「这个词考试模拟时经常遇到」endorse 后面写着「重点考试时就碰到」。问题在于把它当纯词表按顺序刷第二天能想起来的不到三成没有上下文、没有复习节奏、没有场景关联遗忘曲线几乎是垂直的。真正值得拆的是它的结构。这十八个单元的划分本身就是托业听读部分的场景分布办公室、人事管理、业务拓展、财务投资、贸易、商务谈判、技术设备、电脑、商业书信、旅游、交通、购物、就餐、社交、娱乐媒体、运动休闲、医疗保险、住房。每个单元对应一类听力材料和一类阅读题干词与场景是绑定的拆散就废了一半价值。所以我的做法是先把它变成可查询的结构化数据再挂上场景标签和复习计划。整套流程只用 Python、SQLite 和一个命令行从 PDF 解析开始最后能跑出一个每天自动抽测的工具。2. 用 pdfplumber 和正则把词表还原成结构化 JSONL这份 PDF 的文本流形态比想象中难缠直接pdftotext出来的结果有三类坑处理方式完全不同。2.1 先看清文本流的三种脏数据第一种是排版错位。多数单元是一行一条比如1.appointment 约会约定但从「科技及设备」往后好几个单元把单元名和 1 到 20 条全部挤在同一行里变成科技及设备Technology Equipment 1.advance 前进进展2.capacity 容量才能能力...。第二种是自动编号残留。人事及管理那两节里每条前面挂着一、二、一直到百六十一、这是 Word 自动编号被抽成文本的结果和词条自身序号叠在一起。第三种是原始错误。源码里有lauch应为 launch、modern 调制解调器应为 modem、rnner-up应为 runner-up、vender应为 vendor、acquisiton应为 acquisition另外 Transportation (2) 的第 10 条intersection后面直接接了第 11 条没有释义。2.2 解析脚本用「首个汉字」切词条和释义判断词条与释义的边界用空格切会翻车因为carbon copy、work force、letter of credit、bill of lading、chamber of commerce这些多词短语内部本来就有空格。可靠的锚点是首个中日韩字符的位置——释义永远是中文词条永远是英文。# parse_toeic.py —— 把 PDF 文本流还原成结构化词条 import re, json CJK re.compile(r[\u4e00-\u9fff]) # 释义起点锚 SEQ re.compile(r^(?:[一二三四五六七八九十百]、)\s*) # 剥掉 Word 自动编号残留 ENTRY re.compile(r^\s*(\d{1,3})\s*[.、]\s*(.)$) SPLIT re.compile(r(?(?!\d)\d{1,3}\s*[.、]\s*[A-Za-z])) # 一行多条时的切分点 REPAIR {lauch: launch, rnner-up: runner-up, vender: vendor, acquisiton: acquisition} def split_entry(line): line SEQ.sub(, line) # 百六十一、1.accountant - 1.accountant m ENTRY.match(line) if not m: return None no, body int(m.group(1)), m.group(2).strip() hit CJK.search(body) if hit is None: # 像 intersection 这样缺释义的条目 return {no: no, word: body, gloss: , flag: missing_gloss} word, gloss body[:hit.start()].strip(), body[hit.start():].strip() word REPAIR.get(word.lower(), word) if word.lower() modern and 调制解调器 in gloss: word modem # 只在释义对得上时才改避免误伤真 modern return {no: no, word: word, gloss: gloss} def parse(path): unit, rows UNKNOWN, [] for raw in open(path, encodingutf-8): line raw.strip() if not line: continue for part in [p for p in SPLIT.split(line) if p.strip()]: if not part[0].isdigit(): # 无序号前缀 单元标题 unit part.strip() continue item split_entry(part) if item: item[unit] unit rows.append(item) return rows几个关键点SEQ必须在ENTRY之前执行否则百六十一、1.accountant匹配不上SPLIT用了负向后顾(?!\d)避免把1.里的数字当成切分点modern的修正加了释义条件判断是无条件替换会引入假阳性。2.3 用数量校验代替肉眼检查解析完不要急着用先做一次数量校验。每个单元的正常条目数是 20任何偏离都说明该单元被切坏了。from collections import Counter rows parse(toeic.txt) cnt Counter(r[unit] for r in rows) for u, n in cnt.items(): if n ! 20: print(f[WARN] {u}: {n} 条) # 数量不对的单元逐个回查原文 json.dump([{k: r.get(k) for k in (unit,no,word,gloss)} for r in rows], open(toeic.jsonl, w, encodingutf-8), ensure_asciiFalse, indent1)校验项期望值异常时的排查方向单元条目数20该行是否被SPLIT切碎或未切分gloss为空0 至 1 条原文漏写的 intersection 一类词条含中文0汉字锚点位置算错重复 word允许跨类目复现后续单独处理这一步跑完三百多条词条就从一段连续文本变成了带unit和no的 JSONL后面所有加工都建立在这份数据上。3. 场景标签体系把十八个单元压成可检索的 domain 字段unit太细做检索和权重分配都不好用。按托业题型的实际分布把十八个单元收敛成 11 个 domain 标签再给每个标签一个权重复习顺序就有依据了。3.1 domain 映射与权重表domain覆盖单元权重定权理由officeOffice matters (1)(2)、Personnel Management (1)(2)1.0通知、邮件、日程类听力高频financeFinance Investment (1)(2)1.2数字与票据题词不认识直接失分tradeCommerce (1)(2)1.1报价、物流、合同常与 finance 交叉出题meetingBusiness Meeting Negotiation (1)(2)1.1会议流程词题干定位靠它techTechnology Equipment (1)(2)、Computer (1)(2)1.0说明书、操作指南类长文docBusiness Correspondence Advertisement (1)(2)0.9与 office 词汇大量重叠travelTravel (1)(2)、Transportation (1)(2)1.0公告、行程、航班变更题retailShopping (1)(2)、Dinning out (1)(2)0.8场景固定词量小socialSocial Contact (1)(2)、Entertainment Mass Media (1)(2)、Sports (1)(2)0.7多作干扰项题干依赖度低medicalMedicine Insurance (1)(2)0.9保险条款类阅读housingHousing (1)(2)0.8租房、物业广告类文本注意映射表里要同时写下Personner原文拼错和Personnel、Dinning out原文拼错和Dining out这两处拼写错误会直接导致标签漏挂。3.2 优先级打分四个因子的乘积单靠 domain 权重排序还是粗把重复出现、多词短语、释义缺失三个信号也折进去。DOMAIN_W {finance:1.2, trade:1.1, meeting:1.1, office:1.0, tech:1.0, travel:1.0, doc:0.9, medical:0.9, retail:0.8, housing:0.8, social:0.7} def priority(row, dup_words): base DOMAIN_W.get(row[domain], 0.8) dup 1.15 if row[word].lower() in dup_words else 1.0 # 跨类目复现 高频考点 poly 1.10 if len(row[word].split()) 1 else 1.0 # 多词短语听力里更吃搭配 miss 0.85 if not row[gloss] else 1.0 # 缺释义先降权人工补完再放量 return round(base * dup * poly * miss, 3)dup的依据是同一词条在不同单元出现说明出题人反复用它poly补偿的是letter of credit、cutting edge这类短语它们比单个单词更难在语流中辨认miss则是防止没有释义的条目被误推到复习队列前排先把intersection的中文补上再解除降权。3.3 落库和三条常用查询import sqlite3, json conn sqlite3.connect(toeic.db) conn.execute(CREATE TABLE vocab( id INTEGER PRIMARY KEY, unit TEXT, domain TEXT, no INTEGER, word TEXT, gloss TEXT, priority REAL DEFAULT 1.0, exam_hit INTEGER DEFAULT 0)) rows [json.loads(l) for l in open(toeic.jsonl, encodingutf-8)] dup_words {w for w, c in conn.execute(SELECT LOWER(word), COUNT(DISTINCT unit) FROM vocab GROUP BY 1 HAVING c 1)}-- 1. 类目分布哪个 domain 词条最多 SELECT domain, COUNT(*) AS n FROM vocab GROUP BY domain ORDER BY n DESC; -- 2. 交叉验证找带「背书」释义的词确认金融与贸易两个语境都出现 SELECT word, unit, gloss FROM vocab WHERE gloss LIKE %背书%; -- 3. 每日 30 词高权重打底随机打散避免记住顺序 SELECT word, gloss, domain FROM vocab ORDER BY priority DESC, RANDOM() LIMIT 30;第三条查询里priority DESC在前、RANDOM()在后是为了保证高优先级词一定进当日队列但出现在队列里的位置随机。如果反过来写成RANDOM()优先权重就完全失效了。4. 从结构化词表到间隔重复Anki 导入与命令行抽测数据整理完接下来要解决的是「怎么记住」。两条路并行一条是把卡片导进 Anki 用成熟算法排程另一条是本地跑一个可编程的抽测脚本方便按自己的规则改。4.1 导出 Anki 可导入的 CSV# export_anki.py import csv, sqlite3 conn sqlite3.connect(toeic.db) rows conn.execute(SELECT word, gloss, domain, unit FROM vocab ORDER BY priority DESC) with open(toeic_import.csv, w, newline, encodingutf-8) as f: w csv.writer(f, quotingcsv.QUOTE_ALL) # 释义含全角逗号统一加引号更稳 for word, gloss, domain, unit in rows: back f{gloss}brspan stylecolor:#888[{domain}] {unit}/span w.writerow([word, back, fTOEIC::{domain}])导入时几个选项容易设错对照这张表设一次就够导入选项取值说明字段分隔符逗号QUOTE_ALL已处理含逗号字段允许 HTML勾选背面用了br和span字段映射正面 / 背面 / 标签与 CSV 三列一一对应牌组TOEIC与标签前缀保持一致重复处理更新重新跑脚本时不会产生重复卡标签前缀写成TOEIC::finance这种嵌套形式在 Anki 里可以直接按子牌组筛选想只复习财务类就筛tag:TOEIC::finance。4.2 SM-2 简化版抽测脚本不想依赖 Anki 的话两百行以内能自己写一个。核心是 SM-2 的 EF 修正公式和间隔递推。# quiz.py import sqlite3, datetime conn sqlite3.connect(toeic.db) conn.execute(CREATE TABLE IF NOT EXISTS review( word TEXT PRIMARY KEY, ef REAL DEFAULT 2.5, reps INTEGER DEFAULT 0, due TEXT)) def schedule(word, q): row conn.execute(SELECT ef, reps FROM review WHERE word?, (word,)).fetchone() ef, reps row if row else (2.5, 0) ef max(1.3, ef (0.1 - (5 - q) * (0.08 (5 - q) * 0.02))) # EF 修正下限 1.3 reps reps 1 if q 3 else 0 # q3 视为遗忘重头来 days 1 if reps 1 else 6 if reps 2 else round(reps * ef) due (datetime.date.today() datetime.timedelta(daysdays)).isoformat() conn.execute(INSERT INTO review(word,ef,reps,due) VALUES(?,?,?,?) ON CONFLICT(word) DO UPDATE SET ef?,reps?,due?, (word, ef, reps, due, ef, reps, due)) conn.commit()参数含义q是自评质量0 到 5 分3 分是及格线ef初始 2.5、最低 1.3答得差就往下掉答得好缓慢上升间隔序列是 1 天、6 天、之后reps × ef天。这套公式的好处是自评 4 分和 5 分的差距会被逐步放大长期看能把复习量压下来。4.3 不想写脚本时的两条命令临时抽测完全可以用一行命令解决# 随机抽 20 条手动盖住释义自测 sqlite3 toeic.db SELECT word || | || gloss FROM vocab ORDER BY RANDOM() LIMIT 20; # 只抽财务类高权重词共 10 条 sqlite3 toeic.db SELECT word, gloss FROM vocab WHERE domainfinance AND priority1.0 LIMIT 10;用||拼接而不是靠 tab 对齐是因为中文释义宽度不固定终端里 tab 会错位。5. 一词多义的去重与易混词对挖掘词表里同一单词在不同单元重复出现很多人第一反应是删掉多余的。这一步最好别做重复本身就是信号。5.1 跨类目重复词的处理SELECT LOWER(word) AS w, COUNT(DISTINCT domain) AS d, GROUP_CONCAT(DISTINCT domain), GROUP_CONCAT(gloss, / ) FROM vocab GROUP BY w HAVING d 1;跑出来最典型的是这几个stock在 Finance Investment (1) 里是「公债、证券、股票」在 Commerce (1) 里是「现货、存货」endorse在财务单元是「签名、背书票据」在贸易单元是「背书、支持」forward在贸易单元是「送到、转运」在商业书信单元是「转寄、发送」。词出现位置释义差异处理方式stockFinance (1) #19 / Commerce (1) #15证券股票 / 现货存货保留两条正面加场景前缀endorseFinance (1) #10 / Commerce (2) #9票据背书 / 单据背书合成一张多义卡forwardCommerce (2) #10 / Correspondence (1) #10转运 / 转寄合成注明动词与副词两用postageOffice matters (1) #13 / Correspondence (2) #14邮费 / 邮资直接去重overtimeOffice matters (2) #11 / Personnel (2) #14加班的时间 / 超时合并replacementShopping (2) #14 / Sports (2) #12替换 / 代替的人或物合并补人/物区分stock和endorse这类必须保留成两条独立卡因为托业是按场景出题的同一词在财务语境和贸易语境里的搭配完全不同合并成一条反而会互相干扰。postage、overtime这种纯同义重复直接按LOWER(word)去重即可。5.2 用后缀规则粗聚类词族词表里藏着不少同族词孤立背容易混。用一个粗粒度后缀剥离做初筛结果人工过一遍import re, collections, sqlite3 SUFFIX re.compile(r(tion|sion|ment|ance|ence|ity|ness|able|ible|ive|al|er|or|ing|ed|s)$) fam collections.defaultdict(list) conn sqlite3.connect(toeic.db) for (w,) in conn.execute(SELECT DISTINCT word FROM vocab): fam[SUFFIX.sub(, w.lower())].append(w) for stem, ws in sorted(fam.items()): if len(ws) 1: print(stem, -, ws)这条规则会输出promote / promotion、employ / employer / employee、apply / applicant这类正确的族也会输出converse / conversion这类假阳性所以只能当候选清单用最后靠人工确认哪些进同一个卡组。另外注意recommendation和recommend这种只有一个方向出现的要手动补全另一侧。5.3 给「考试碰到过」的词打硬标签原文档里作者手动标注过两处——monopoly后面写「这个词考试模拟时经常遇到」endorse后面写「重点考试时就碰到」。这类人工标注的命中率远高于任何权重公式值得单独抽成一个字段ALTER TABLE vocab ADD COLUMN exam_hit INTEGER DEFAULT 0; UPDATE vocab SET exam_hit 1 WHERE word IN (endorse,monopoly,deficit,deduction,remuneration,indemnity,pending);之后每天的抽测把exam_hit 1的条目固定插在队列前五题剩下的位置再按priority补满。这十几个词里有一半在财务和保险单元正好对应托业阅读里数字最密的两类文本。本文还有配套的精品资源点击获取