subject怎么读,英语写作的电子邮件格式是怎样的

subject怎么读，英语写作的电子邮件格式是怎样的？

1、 信头(Heading)

指发信人的姓名(单位名称)、地址和日期，一般写在信纸的右上角。一般公函或商业信函的信纸上都印有单位或公司的名称、地址、电话号码等，因此就只需在信头下面的右边写上写信日期就可以了。 英文地址的写法与中文完全不同，地址的名称按从小到大的顺序：第一行写门牌号码和街名;第二行写县、市、省、州、邮编、国名;然后再写日期。标点符号一般在每一行的末尾都不用，但在每一行的之间，该用的还要用，例如在写日期的时候。

2、 日期的写法：

如：1997年7月30日，英文为：July 30，1997(最为普遍); July 30th，1997; 30th July，1997等。1997不可写成97。

3、 信内地址(Inside Address)：

在一般的社交信中，信内收信人的地址通常省略，但是在公务信函中不能。将收信人的姓名、地址等写在信头日期下方的左角上，要求与对信头的要求一样，不必再写日期。

4、 称呼(Salutation)：

是写信人对收信人的称呼用语。位置在信内地址下方一、二行的地方，从该行的顶格写起，在称呼后面一般用逗号(英国式)，也可以用冒号(美国式)。 (1)写给亲人、亲戚和关系密切的朋友时，用Dear或My dear再加上表示亲属关系的称呼或直称其名(这里指名字，不是姓氏)。例如：My dear father，Dear Tom等。 (2)写给公务上的信函用Dear Madam，Dear Sir或Gentleman(Gentlemen)。注意：Dear纯属公务上往来的客气形式。Gentlemen总是以复数形式出现，前不加Dear，是Dear Sir的复数形式。 (3)写给收信人的信，也可用头衔、职位、职称、学位等再加姓氏或姓氏和名字。例如：Dear Prof. Tim Scales, Dear Dr. John Smith。

5、 正文(Body of the Letter)：

位置在下面称呼语隔一行，是信的核心部分。因此要求正文层次分明、简单易懂。和中文信不 同的是，正文中一般不用Hello!(你好!)正文有缩进式和齐头式两种。每段书信第一行的第一个字母稍微向右缩进些，通常以五个字母为宜，每段第二行从左面顶格写起，这就是缩进式。但美国人写信各段落往往不用缩进式，用齐头式，即每一行都从左面顶格写起。商务信件大都采用齐头式的写法。

6、 结束语(Complimentary Close)：

在正文下面的一、二行处，从信纸的中间偏右处开始，第一个词开头要大写，句末用逗号。不同的对象，结束语的写法也不同。 (1)写给家人、亲戚，用Your loving grandfather，Lovingly yours，Lovingly等;

(2)写给熟人、朋友，用Yours cordially，Yours affectionately等;

(3)写业务信函用Truly yours(Yours truly)，Faithfully yours(Yours faithfully)等;

(4)对上级、长辈用Yours obediently(Obediently yours)，Yours respectfully(Respectfully yours)等。

7、 签名(Signature) ：

低于结束语一至二行，从信纸中间偏右的地方开始，在结束语的正下方，在签完名字的下面还要有用打字机打出的名字，以便识别。职务、职称可打在名字的下面。当然，写给亲朋好友的信，就不必再打了。

8、 附言(Postscript) ：

一封信写完了，突然又想起遗漏的事情，这时用P.S.表示，再写上遗漏的话即可，要长话短说。通常在信末签名下面几行的左方，应于正文齐头。 注意：在正式的信函中，应避免使用附言。

9、 附件(Enclosure) ：

信件如果有附件，可在信纸的左下角，注上Encl：或Enc：

例如：Encl：2 photos(内附两张照片)。如果福建附件不止一项，应写成Encl：或Encs。

我们有时可看到在称呼与正文之间有Re：或Subject：(事由)字样。一般在信纸的中间，也可与“称呼”对齐。还应在底下加横线，以引起读信人的注意，使收信人便于在读信之前就可了解信中的主要内容。事由一般在公务信函中使用，也可以省略。

范例：

用爬虫技术能做到哪些有趣的事情？

看到这个问题必须来怒答一波～用python爬虫爬便宜机票了解一下？

图源：

videoblocks.com

你喜欢旅行吗？

这个问题通常会得到一个肯定的答案，随后引出一两个有关之前冒险经历的故事。大多数人都认为旅行是体验新文化和开阔视野的好方法。但如果问题是“你喜欢搜索机票的过程吗？”也许话题就到此为止了……

可事实上，便宜的机票往往也很重要！本文将尝试构建一个网络爬虫，该爬虫对特定目的地运行并执行带有浮动日期（首选日期前后最多三天）的航班价格搜索。它会将结果保存为excel文件并发送一封包含快速统计信息的电子邮件。显然，这个爬虫的目的就是帮助我们找到最优惠的价格！

你可以在服务器上运行脚本(一个简单的Raspberry Pi就可以)，每天运行一到两次。结果会以邮件形式发送，建议将excel文件存入Dropbox文件夹，以便随时随地查看。

因为爬虫以“浮动日期”进行搜索，所以它会搜索首选日期前后最多三天的航班信息。尽管该脚本一次仅运行一对目的地，但可以很容易地改写该爬虫使其每个循环运行多个目的地。最终甚至可能找到一些错误票价...那会很有意思！

某种意义上来讲，网络爬取是互联网“工作”的核心。

也许你认为这是一个十分大胆的说法，但谷歌就是从拉里·佩奇用Java和Python构建的网络爬虫开始的。爬虫不断地爬取信息，整个互联网都在试图为所有问题提供最佳的可能答案。网络爬取有不计其数的应用程序，即使更喜欢数据科学中的其他分支，你仍需要一些爬取技巧以获得数据。

这里用到的一些技术来自于最近新的一本佳作《Python网络数据采集》，书中包含与网络爬取相关的所有内容，并提供了大量简例和实例。甚至有一个特别有意思的章节，讲述如何解决验证码检验的问题。

第一个挑战就是选择爬取信息的平台，本文选择了客涯（Kayak）。我们试过了Momondo, 天巡（Skyscanner）, 亿客行（Expedia）和其它一些网站，但是这些网站上的验证码特别变态。

在那些“你是人类吗？”的验证中，尝试了多次选择交通灯、十字路口和自行车后，客涯似乎是最好的选择，尽管短时间内加载太多页面它会跳出安全检查。

我们设法让机器人每4到6个小时查询一次网站，结果一切正常。虽然说不定哪个部分偶尔会出点小问题，但是如果收到验证码，既可以手动解决问题后启动机器人，也可以等待几小时后的自动重启。

如果你是网络爬取新手，或者不知道为何有些网站花费很大力气阻止网络爬取，那么为构建爬虫写下第一行代码前，你一定要多加努力。

谷歌的“网络爬取规范”：

http://lmgtfy.com/?q=web+scraping+etiquette

导入并打开Chrome浏览器标签页后，会定义一些循环中会用到的函数。这个架构的构思大概是这样的：

· 一个函数用于启动机器人程序，表明想要搜索的城市和日期。

· 这个函数获得首轮搜索结果，按“最佳”航班排序，然后点击“加载更多结果”。

· 另一个函数会爬取整个页面，并返回一个dataframe数据表。

· 随后重复步骤2和步骤3，得出按“价格”和“航行时间”排序的结果。

· 发送一封简要总结价格（最低价和平均价）的邮件，并将带有这三种排序类型的dataframe数据表保存为一份excel文件。

· 以上所有步骤会在循环中重复，每X小时运行一次。

每个Selenium项目都以一个网页驱动器开始。我们使用Chromedriver驱动器，但还有其它选择。PhantomJS和Firefox也很受欢迎。下载Chromedriver后，将其置于一个文件夹中即可。第一行代码会打开一个空白Chrome标签页。

from time import sleep, strftime

from random import randint

import pandas as pd

from selenium import webdriver

from selenium.webdriver.common.keys import Keys

import smtplib

from email.mime.multipart import MIMEMultipart

# Change this to your own chromedriver path!

chromedriver_path = 'C:/{YOUR PATH HERE}/chromedriver_win32/chromedriver.exe'

driver = webdriver.Chrome(executable_path=chromedriver_path) # This will open the Chrome window

sleep(2)

这些是将用于整个项目的包。使用randint函数令机器人在每次搜索之间随机睡眠几秒钟。这对任何一个机器人来说都是必要属性。如果运行前面的代码，应该打开一个Chrome浏览器窗口，机器人会在其中导航。

一起来做一个快速测试：在另一个窗口上访问客涯网（http://kayak.com），选择往返城市和日期。选择日期时，确保选择的是“+-3天”。由于在编写代码时考虑到了结果页面，所以如果只想搜索特定日期，很可能需要做一些微小的调整。

点击搜索按钮在地址栏获取链接。它应该类似于下面所使用的链接，将变量kayak定义为url，并从网页驱动器执行get方法，搜索结果就会出现。

无论何时，只要在几分钟内使用get命令超过两到三次，就会出现验证码。实际上可以自己解决验证码，并在下一次验证出现时继续进行想要的测试。从测试来看，第一次搜索似乎一直没有问题，所以如果想运行这份代码，并让它在较长的时间间隔后运行，必须解决这个难题。你并不需要十分钟就更新一次这些价格，对吧？

到目前为止，已经打开了一个窗口，获取了一个网站。为了开始获取价格和其他信息，需要使用XPath或CSS选择器，我们选择了XPath。使用XPath导航网页可能会令人感到困惑，即使使用从inspector视图中直接使用“复制XPath”，但这不是获得所需元素的最佳方法。有时通过“复制XPath”这个方法获得的链接过于针对特定对象，以至于很快就失效了。《Python网络数据采集》一书很好地解释了使用XPath和CSS选择器导航的基础知识。

接下来，用Python选择最便宜的结果。上面代码中的红色文本是XPath选择器，在网页上任意一处右键单击选择“inspect”就可以看到它。在想要查看代码的位置，可以再次右键单击选择“inspect”。

为说明之前所观察到的从“inspector”复制路径的缺陷，请参考以下差异：

1 # This is what the copymethod would return. Right click highlighted rows on the right side and select “copy> Copy XPath”//*[@id=“wtKI-price_aTab”]/div[1]/div/div/div[1]/div/span/span

2 # This is what I used todefine the “Cheapest” buttoncheap_results= ‘//a[@data-code = “price”]’

第二种方法的简洁性清晰可见。它搜索具有data-code等于price属性的元素a。第一种方法查找id等于wtKI-price_aTab的元素，并遵循第一个div元素和另外四个div和两个span。这次……会成功的。现在就可以告诉你，id元素会在下次加载页面时更改。每次页面一加载，字母wtKI会动态改变，所以只要页面重新加载，代码就会失效。花些时间阅读XPath，保证你会有收获。

不过，使用复制的方法在不那么“复杂”的网站上工作，也是很好的！

基于以上所展示的内容，如果想在一个列表中以几个字符串的形式获得所有搜索结果该怎么办呢？其实很简单。每个结果都在一个对象中，这个对象的类是“resultWrapper”。获取所有结果可以通过像下面这样的for循环语句来实现。如果你能理解这一部分，应该可以理解接下来的大部分代码。它基本上指向想要的结果（结果包装器），使用某种方式（XPath）获得文本，并将其放置在可读对象中（首先使用flight_containers，然后使用flight_list）。

前三行已展示在图中，并且可以清楚地看到所需的内容，但是有获得信息的更优选择，需要逐一爬取每个元素。

最容易编写的函数就是加载更多结果的函数，所以代码由此开始。为了在不触发安全验证的前提下最大化所获取的航班数量，每次页面显示后，单击“加载更多结果”。唯一的新内容就是所添加的try语句，因为有时按钮加载会出错。如果它对你也有用，只需在前面展示的start_kayak函数中进行简要注释。

# Load more results to maximize the scraping

def load_more():

try:

more_results = '//a[@class = “moreButton”]'

driver.find_element_by_xpath(more_results).click()

# Printing these notes during the program helps me quickly check what it is doing

print('sleeping…..')

sleep(randint(45,60))

except:

pass

现在，经过这么长的介绍，已经准备好定义实际爬取页面的函数。

我们编译了下一个函数page_scrape中的大部分元素。有时这些元素会返回列表插入去程信息和返程信息之间。这里使用了一个简单的办法分开它们，比如在第一个 section_a_list和section_b_list变量中，该函数还返回一个flight_df数据表。所以可以分离在不同分类下得到的结果，之后再把它们合并起来。

def page_scrape():

“““This function takes care of the scraping part”““

xp_sections = '//*[@class=“section duration”]'

sections = driver.find_elements_by_xpath(xp_sections)

sections_list = [value.text for value in sections]

section_a_list = sections_list[::2] # This is to separate the two flights

section_b_list = sections_list[1::2] # This is to separate the two flights

# if you run into a reCaptcha, you might want to do something about it

# you will know there's a problem if the lists above are empty

# this if statement lets you exit the bot or do something else

# you can add a sleep here, to let you solve the captcha and continue scraping

# i'm using a SystemExit because i want to test everything from the start

if section_a_list == []:

raise SystemExit

# I'll use the letter A for the outbound flight and B for the inbound

a_duration = []

a_section_names = []

for n in section_a_list:

# Separate the time from the cities

a_section_names.append(''.join(n.split()[2:5]))

a_duration.append(''.join(n.split()[0:2]))

b_duration = []

b_section_names = []

for n in section_b_list:

# Separate the time from the cities

b_section_names.append(''.join(n.split()[2:5]))

b_duration.append(''.join(n.split()[0:2]))

xp_dates = '//div[@class=“section date”]'

dates = driver.find_elements_by_xpath(xp_dates)

dates_list = [value.text for value in dates]

a_date_list = dates_list[::2]

b_date_list = dates_list[1::2]

# Separating the weekday from the day

a_day = [value.split()[0] for value in a_date_list]

a_weekday = [value.split()[1] for value in a_date_list]

b_day = [value.split()[0] for value in b_date_list]

b_weekday = [value.split()[1] for value in b_date_list]

# getting the prices

xp_prices = '//a[@class=“booking-link”]/span[@class=“price option-text”]'

prices = driver.find_elements_by_xpath(xp_prices)

prices_list = [price.text.replace('$','') for price in prices if price.text != '']

prices_list = list(map(int, prices_list))

# the stops are a big list with one leg on the even index and second leg on odd index

xp_stops = '//div[@class=“section stops”]/div[1]'

stops = driver.find_elements_by_xpath(xp_stops)

stops_list = [stop.text[0].replace('n','0') for stop in stops]

a_stop_list = stops_list[::2]

b_stop_list = stops_list[1::2]

xp_stops_cities = '//div[@class=“section stops”]/div[2]'

stops_cities = driver.find_elements_by_xpath(xp_stops_cities)

stops_cities_list = [stop.text for stop in stops_cities]

a_stop_name_list = stops_cities_list[::2]

b_stop_name_list = stops_cities_list[1::2]

# this part gets me the airline company and the departure and arrival times, for both legs

xp_schedule = '//div[@class=“section times”]'

schedules = driver.find_elements_by_xpath(xp_schedule)

hours_list = []

carrier_list = []

for schedule in schedules:

hours_list.append(schedule.text.split('\n')[0])

carrier_list.append(schedule.text.split('\n')[1])

# split the hours and carriers, between a and b legs

a_hours = hours_list[::2]

a_carrier = carrier_list[1::2]

b_hours = hours_list[::2]

b_carrier = carrier_list[1::2]

cols = (['Out Day', 'Out Time', 'Out Weekday', 'Out Airline', 'Out Cities', 'Out Duration', 'Out Stops', 'Out Stop Cities',

'Return Day', 'Return Time', 'Return Weekday', 'Return Airline', 'Return Cities', 'Return Duration', 'Return Stops', 'Return Stop Cities',

'Price'])

flights_df = pd.DataFrame({'Out Day': a_day,

'Out Weekday': a_weekday,

'Out Duration': a_duration,

'Out Cities': a_section_names,

'Return Day': b_day,

'Return Weekday': b_weekday,

'Return Duration': b_duration,

'Return Cities': b_section_names,

'Out Stops': a_stop_list,

'Out Stop Cities': a_stop_name_list,

'Return Stops': b_stop_list,

'Return Stop Cities': b_stop_name_list,

'Out Time': a_hours,

'Out Airline': a_carrier,

'Return Time': b_hours,

'Return Airline': b_carrier,

'Price': prices_list})[cols]

flights_df['timestamp'] = strftime(“%Y%m%d-%H%M”) # so we can know when it was scraped

return flights_df

尽量让这些名字容易理解。记住变量a表示旅行的去程信息，变量b表示旅行的返程信息。接下来说说下一个函数。

截至目前，已经有了一个能加载更多结果的函数和一个能爬取其他结果的函数。本可以在此结束这篇文章，而你可以自行手动使用这些函数，并在浏览的页面上使用爬取功能。但是前文提到给自己发送邮件和一些其他信息的内容，这都包含在接下来的函数start_kayak中。

它要求填入城市名和日期，并由此打开一个kayak字符串中的地址，该字符串直接跳转到“最佳”航班结果排序页面。第一次爬取后，可以获取价格的顶部矩阵，这个矩阵将用于计算平均值和最小值，之后和客涯（Kayak）的预测结果（页面左上角）一同发送到邮件中。这是单一日期搜索时可能导致错误的原因之一，因其不包含矩阵元素。

def start_kayak(city_from, city_to, date_start, date_end):

“““City codes - it's the IATA codes!

Date format - YYYY-MM-DD”““

kayak = ('https://www.kayak.com/flights/' + city_from + '-' + city_to +

'/' + date_start + '-flexible/' + date_end + '-flexible?sort=bestflight_a')

driver.get(kayak)

sleep(randint(8,10))

# sometimes a popup shows up, so we can use a try statement to check it and close

try:

xp_popup_close = '//button[contains(@id,”dialog-close”) and contains(@class,”Button-No-Standard-Style close “)]'

driver.find_elements_by_xpath(xp_popup_close)[5].click()

except Exception as e:

pass

sleep(randint(60,95))

print('loading more.....')

# load_more()

print('starting first scrape.....')

df_flights_best = page_scrape()

df_flights_best['sort'] = 'best'

sleep(randint(60,80))

# Let's also get the lowest prices from the matrix on top

matrix = driver.find_elements_by_xpath('//*[contains(@id,”FlexMatrixCell”)]')

matrix_prices = [price.text.replace('$','') for price in matrix]

matrix_prices = list(map(int, matrix_prices))

matrix_min = min(matrix_prices)

matrix_avg = sum(matrix_prices)/len(matrix_prices)

print('switching to cheapest results…..')

cheap_results = '//a[@data-code = “price”]'

driver.find_element_by_xpath(cheap_results).click()

sleep(randint(60,90))

print('loading more…..')

# load_more()

print('starting second scrape…..')

df_flights_cheap = page_scrape()

df_flights_cheap['sort'] = 'cheap'

sleep(randint(60,80))

print('switching to quickest results…..')

quick_results = '//a[@data-code = “duration”]'

driver.find_element_by_xpath(quick_results).click()

sleep(randint(60,90))

print('loading more…..')

# load_more()

print('starting third scrape…..')

df_flights_fast = page_scrape()

df_flights_fast['sort'] = 'fast'

sleep(randint(60,80))

# saving a new dataframe as an excel file. the name is custom made to your cities and dates

final_df = df_flights_cheap.append(df_flights_best).append(df_flights_fast)

final_df.to_excel('search_backups//{}_flights_{}-{}_from_{}_to_{}.xlsx'.format(strftime(“%Y%m%d-%H%M”),

city_from, city_to,

date_start, date_end), index=False)

print('saved df…..')

# We can keep track of what they predict and how it actually turns out!

xp_loading = '//div[contains(@id,”advice”)]'

loading = driver.find_element_by_xpath(xp_loading).text

xp_prediction = '//span[@class=“info-text”]'

prediction = driver.find_element_by_xpath(xp_prediction).text

print(loading+'\n'+prediction)

# sometimes we get this string in the loading variable, which will conflict with the email we send later

# just change it to “Not Sure” if it happens

weird = '¯\\_(ツ)_/¯'

if loading == weird:

loading = 'Not sure'

username = 'YOUREMAIL@hotmail.com'

password = 'YOUR PASSWORD'

server = smtplib.SMTP('smtp.outlook.com', 587)

server.ehlo()

server.starttls()

server.login(username, password)

msg = ('Subject: Flight Scraper\n\n\

Cheapest Flight: {}\nAverage Price: {}\n\nRecommendation: {}\n\nEnd of message'.format(matrix_min, matrix_avg, (loading+'\n'+prediction)))

message = MIMEMultipart()

message['From'] = 'YOUREMAIL@hotmail.com'

message['to'] = 'YOUROTHEREMAIL@domain.com'

server.sendmail('YOUREMAIL@hotmail.com', 'YOUROTHEREMAIL@domain.com', msg)

print('sent email…..')

虽然没有使用Gmail账户测试发送邮件，但是可以搜索到很多的替代方法，前文提到的那本书中也有其他方法来实现这一点。如果已有一个Hotmail账户，只要替换掉个人的详细信息，它就会开始工作了。

如果想探索脚本的某一部分正在做什么，可以将脚本复制下来并在函数外使用它。这是彻底理解它的唯一方法。

在这些步骤之后，还可以想出一个简单的循环来使用刚创造的函数，同时使其持续运行。完成四个“花式”提示，写下城市和日期（输入）。因为测试时不想每次都输入这些变量，需要的时候可以使用以下这个清楚的方式进行替换。

如果已经做到了这一步，恭喜你！改进还有很多，比如与Twilio集成，发送文本消息而不是邮件。也可以使用VPN或更加难懂的方式同时从多个服务器上研究搜索结果。还有就是验证码的问题，验证码会时不时地跳出来，但对此类问题还是有解决办法的。不过，能走到这里已经是有很牢固的基础了，你可以尝试添加一些额外的要素。

使用脚本运行测试的示例

留言 点赞 关注

我们一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”

Eva英文怎么念？

Eva 音标： ['i:və]

n. 伊娃

解释:NEON:崭新(源自希腊语:neos); GENESIS :起源,发生,创始,创世纪

Eva的异体匈牙利形式的EVE。这种形式在新约的拉丁译本中使用，而哈瓦在拉丁旧约中使用。它也是俄罗斯YEVA的变种转录。

这个名字出现在Harriet Beecher Stowe的小说“汤姆叔叔小屋”（1852年），属于小伊娃，其实际名字实际上是伊万杰琳。

例句

用作名词 (n.)

1、Eva cast around for a good subject for her report.

伊娃在为她的报告苦思一个好题目。

2、I didn't add any pleadings to Eva's.

我没有给伊娃凑半点热闹。

扩展资料：

近义词的用法

eve 英 [iːv] 美 [iːv]

n. （重大节日的）前夜；前夕 ；n. 夏娃（圣经中的第一个女人）

词语用法

n. (名词)

eve不仅指晚上,而且也可指白天, eve前的介词须用on。

例句

用作名词 (n.)

1、What will they do on Christmas Eve?

他们在圣诞夜将做什么事？

2、The country was on the eve of the First Revolution.

当时全国处于第一次革命的前夜。

秒记单词速记方法？

1

直拼法

直拼法也叫自然拼读法。是英语单词记忆比较省力的一种方法。根据字母与发音之间关系，我们看字母就可以读出这个词的读音。

例如desk，sunny，lesson，subject，beside，hear等，这类单词就可以根据字母或者字母组合规律的发音来记忆，基本上会读就能写出来。这种方法适合英语的初级学习者。

不是所有的单词都有这样简单的规律，对于一些没有规律的单词，我们可以灵活运用多种方法。

2

拆分法

拆分法就是把一个单词拆开来记，降低记忆难度，提高记忆速度，例如income拆成in和come把一个新词拆成两个简单的单词，记忆起来就特别简单了。再如，educate可以拆成e，du，cate，atmosphere拆at，mos，phere等等。

3

构词法

这是一种高级的单词记忆法，也是被广泛应用的方法。只要掌握一些构词法知识，就可以大地增加自身的词汇量。构词法主要有以下三种情况：

1）派生法。就是在一个词根的基础上加上一个前缀或后缀，构成另一个新词，并且与这个词根的含义有密切的联系。如常用的前缀in-、im-、un-、dis-等表示否定含义：后缀-er、-or、-ist等表示人；以及后缀-y、-ly、-ful等表示形容词性等。如：happy-unhappy，visit-visitor，hope-hopeful-hopefully等 。

2）合成法。就是把两个或者几个各自独立的单词并到一起组成一个新的单词，由此法构成的单词称为合成词或复合词。

如：armchair- arm+chair，newspaper- news+paper，housework-house+work 等。

3）转化法。就是在不改变拼写形式的基础上，由一种词性转化为另一种词性，主要有名词转化为动词、动词转化为名词、形容词转化为动词或名词等。

如： work（n.工作） work（v.干活）， last （adj.过去的） last （v.持续） 等。

4

增减字母法

以某个单词为基础，增、减、换一个字母就变成了另一个新单词，这种单词记忆简单又有趣，学生很容易记忆。

例如ice-nice-rice，ear-near-hear-dear，lake，snake、cake、make这样我们不仅容易读出新词，而且能记住相同字母的发音规律。

5

语境记忆法

词不离句，句不离文，把单词学习与语音、语法、句型结合起来，放在一定的句子中或上下文中去理解，去掌握，这也是记忆单词的好方法。

小结：以上几种方法各有所长，也各有不足之处，可以结合起来运用，针对不同的单词，运用不同的方法才能达到高效快速记忆。

浙江中考英语高频词汇？

以下是一些浙江中考英语高频词汇：

1. exam 考试

2. grade 年级

3. study 学习

4. classroom 教室

5. teacher 老师

6. student 学生

7. test 测试

8. education 教育

9. knowledge 知识

10. language 语言

11. skill 技能

12. homework 家庭作业

13. textbook 教科书

14. lesson 课程

15. subject 学科

16. topic 题目

17. write 写

18. read 读

19. listen 听

20. speak 说

21. understand 理解

22. practice 练习

23. exam paper 试卷

24. revise 复习

25. vocabulary 词汇

26. grammar 语法

27. sentence 句子

28. paragraph 段落

29. story 故事

30. novel 小说

以上词汇可以帮助学生更好地准备浙江中考英语考试，掌握这些词汇可以提升阅读、听力、写作和口语的能力。