import pandas as pd  
  
# 读取Excel文件  
df = pd.read_excel('language.xlsx', usecols=['lang_en', 'lang_zh', 'lang_es', 'lang_fr', 'lang_de',  
                                             'lang_ru', 'lang_ro', 'lang_pt', 'lang_it', 'lang_pl', 
                                             'lang_he', 'lang_ms', 'lang_tr', 'lang_vi', 'lang_cs', 
                                             'lang_hu', 'lang_th'])  
  
# 初始化一个空集合来存储唯一的字符  
unique_chars = set()  
  
# 定义要包含的标点符号  
punctuation = set([ '!', '"', '#', '$', '%', '&', "'", '(', ')', '*', '+', ',', '-', '.', '/', ':', ';', '<', '=', '>',
                    '?', '@', '[', '\\', ']', '^', '_', '`', '{', '|', '}', '~', '℃', '℉', '？', '，', '。', ' ', '“', '”',
                    '；', '：', '【', '】', '，', '…', '《', '》', '～', '·', '＃', '＆', '～', '、', '＜', '＞', '〝', '〞', '（',
                    '）', '！', ' ', '￥', '≠', '€', '¥', '—', '|',])  
  
# 定义要额外添加的文本列表  
extra_texts = [  
    "简体中文", "Español", "Français", "ภาษาไทย", "العربية", "한국어", "Română", "Português",  
    "日本語.", "Ελληνικά", "Українська", "Български", "Հայերեն", "עברית", "Türkçe", "हिंदी",  
    "বাङ्গালি", "Tiếng Việt", "فارسی", "繁體中文", "Čeština", "Magyarország", "Slovenská",  
    "步", "千卡", "英里", "千米", "一月", "一月", "二月", "三月", "四月", "五月", "六月", "七月",
    "八月", "九月", "十月", "十一月", "十二月", "毫米汞柱", "次/分", "。？！，、；：「」『』‘’“”（）【】〔〕—…–《》〈〉",
]  
  
# 遍历DataFrame的每一行和每一列  
for _, row in df.iterrows():  
    for col in df.columns:  
        # 假设列中的值是字符串，我们将它们转换为列表，然后遍历每个字符  
        for char in str(row[col]):  
            # 如果字符是字母、数字或指定的标点符号，则添加到unique_chars集合中  
            if char.isalpha() or char.isdigit() or char in punctuation:  
                unique_chars.add(char)  
  
unique_chars.update(punctuation)  

# 将去重后的字符（包括数字、英文和符号）以及额外文本写入txt文件，按字典序排序  
with open('output_chars.txt', 'w', encoding='utf-8') as f:  
    # 写入去重后的字符  
    for char in sorted(unique_chars):  
        f.write(char)  
  
    # 写入额外文本，每个文本后添加换行符（如果需要的话）  
    for text in extra_texts:  
        f.write(text)  # 添加换行符以分隔每个额外文本  
  
print('字符（包括数字、英文和指定符号）以及额外文本已提取并写入output_chars.txt文件。')