Python查找文件中包含中文的行

前言

近几天在做多语言版本的时候再次发现，区分各种语言真的是一件比较困难的事情，上一次做中文提取工具的就花了不少时间，这次决定用python试一试，结果写起来发现真是方便不少，自己整理了一下方便以后查找使用。

代码

#!/usr/bin/env python3# -*- coding: utf-8 -*-# find the line of containing chinese in files__author__ = 'AlbertS'import redef start_find_chinese():    find_count = 0;    with open('ko_untranslated.txt', 'wb') as outfile:        with open('source_ko.txt', 'rb') as infile:            while True:                content = infile.readline()                if re.match(r'(.*[\u4E00-\u9FA5]+)|([\u4E00-\u9FA5]+.*)', content.decode('utf-8')):                    outfile.write(content)                    find_count += 1;                if not content:                    return find_count# start to findif __name__ == '__main__':    count = start_find_chinese()    print("find complete! count =", count)

原始文件

source_ko.txt文件内容

3   캐릭터 Lv.50 달성8   캐릭터 Lv.80 달성10  캐릭터 Lv.90 달성......2840    飞黄腾达4841    同归于尽8848    캐릭터 Lv.50 달

运行效果(ko_untranslated.txt文件)

2840    飞黄腾达4841    同归于尽

总结

1. 其实这段小小的代码中包含了两个常用的功能，那就是读写文件和正则表达式。
2. 这也是两个重要的知识点，其中with操作可能防止资源泄漏，操作起来更加方便。
3. 正则表达式可是一个文字处理的利器，代码中的正则可能还不太完善，后续我会继续补充更新。