使用python对文件中的单词进行提取
来源:互联网 发布:网络mg老虎机出分原理 编辑:程序博客网 时间:2024/05/18 00:51
由于需要使用一个纯单词组成的文件,在网上下载到了一个存放单词的文件,但是里面有中文的解释,那就需要做一下提取了。
文本的形式如下:
所见即所得,这个文本是有规律的,每个单词为一行,紧接着下一行便是单词的解释,有了这种规律我们就很好处理了。
首先我们来将文件的数据读取出来:
#coding:utf-8file_object = open('words.txt')try: lines = file_object.readlines()finally: file_object.close( )for line in lines: print line代码执行的结果为:
显然,这不是我们想要的结果,因为这里面有太多的空行了,现在最主要的就是要处理掉这些妨碍我们的空行,对于中文的乱码呢,我们是不需要中文的解释的,所以它是无妨碍的,如果想看得舒服些,那么我们就转码一下就好了。现在最主要的就是要知道为什么会出现这么多的空行,因为我们的文件是已将看过了,显然是这些空行的出现是有点“匪夷所思”的,这也是由于python读文件的机制导致的,下面我们修改下代码,来看看原因:
#coding:utf-8file_object = open('words.txt')try: lines = file_object.readlines()finally: file_object.close( )print lines在这里,我们直接输出lines,得到如下的结果:
我们随意拿出这句'runlet\n', 'n.\xcd\xb0,\xd0\xa1\xba\xd3\n', '\n', 'runnel\n', 'n.\xd0\xa1\xba\xd3,\xcf\xb8\xc1\xf7\n', '\n',从中可以看出,对于每行的文件,在读取的时候,换行符“\n”也是会被读取在单词和对应的解释的后面的,所以这也就是为什么会有那么多空行的原因了,这显然不是我们想要看见的,下面我们处理一下,让这些多余的空行失去效果:
#coding:utf-8file_object = open('words.txt')try: lines = file_object.readlines()finally: file_object.close( )for line in lines: if line!='\n': print line.decode('gb2312','ignore'), #逗号得带着,因为文件自身带了换行,可以代替pirnt的换行程序执行后,得到如下的结果:
好了,这下就是我们想看到的东西了,那么,现在我们可以将这些输出写入 到新的文件里了,然后就可以得到我们想要的单词文本了。
#coding:utf-8file_object = open('words.txt')try: lines = file_object.readlines()finally: file_object.close( )myfile=open('newfile.txt','w')num=0for word in lines: if word!='\n': num+=1 if num%2: #只有奇数行为单词 myfile.write(word)运行程序便可以得到新的单词文件了,最终提取了45000多个单词,文件如下所示:
很显然,满足我们最终想要实现的要求,那么可以收工了。
最后附上两个文件的链接:http://pan.baidu.com/s/1cMvmbG。
- 使用python对文件中的单词进行提取
- python中怎么对文件中的单词进行替换
- java 对一行英文进行单词提取
- 对文件中的行,单词和字符进行迭代
- 使用Python脚本对 ndk crash 进行快速提取定位
- 《零基础入门学习Python》学习过程笔记【31pickle对文件中的数据进行提取等操作】(没看)
- 使用Python对json文件进行处理
- 使用python 提取html文件中的特定数据
- 使用python 提取html文件中的特定数据
- 使用python 提取html文件中的特定数据
- 使用python 提取html文件中的特定数据
- 提取英文中的单词
- 提取字符串中的单词
- Linux Shell 之 对文件中的行、单词、字符进行迭代
- Linux Shell 之 对文件中的行、单词、字符进行迭代
- Linux Shell 之 对文件中的行、单词、字符进行迭代
- Linux Shell 之 对文件中的行、单词、字符进行迭代
- 使用py2exe对Python文件进行封装生成exe文件
- android ndk开发二
- 形式语言与自动机
- 使用 Selenium API(2)
- [自用]门户网站模板-招标公告
- 04,Java的基本编程规范
- 使用python对文件中的单词进行提取
- SELECT 语句详解
- blog
- Android Studio一直处于Refreshing状态的解决方法
- spring boot解决第三方jar包依赖的问题
- HDU2089 数位DP 模板题
- 我为什么写博客
- Java数据库操作部分
- 1006. 换个格式输出整数 (15)