python对txt分段处理_使用python对txt格式的小说进行处理

vim的确是神器，可惜sed与vim不完全通用。这篇文章受《

用vim对txt格式的小说重新排版》的启发，在此致谢！

经常下载txt的电子书，格式却不合心意，只好自己再处理。首要的就是处理段内换行。

原来的打算是定制一个vim模式，到时候处理小说时进入该模式，再使用各种快捷键。以此避免txt快捷键对日常编程的干扰。后来发现，vim不像emacs，可以定制自己的模式。(可能可以定制专用的vimrc解决，未经尝试)

于是转向脚本寻求解决办法。sed与awk是此中翘楚，首先试试。可惜早些日子学的sed已经忘的差不多了，找不到比较简洁清晰的解决办法。sed与grep类似，先读入一行，删除\n，进行各种处理，最后写入文件，再添上\n。 N可以读入下一行到当前模式匹配空间再行处理。但是我需要对整个文件进行匹配，暂时未找到解决办法。

只好再次转投python。Python有自己的re模块，应该没问题。re.sub可以进行替换。费了些时间的，是对中文的匹配。在vim中，可以用[^\x00-\xff]匹配双字节字符，然而python中却行不通。经过一番google，发现可以用[\x80-\xff]匹配汉字(perl同此，似乎两者对中文的正则支持还是有待改进)。

至此，问题初步解决：

#!/usr/bin/env python

#encoding=utf-8

import re

from sys import argv

if __name__ == '__main__':

if len(argv) != 2:

print 'usage: filename'

else:

fh = open(argv[1], 'r')

content = fh.read()

out = re.sub('\n([\x80-\xff])', r'\1', content)

print out

规范行首：

#!/usr/bin/env python

#encoding=utf-8

import re

from sys import argv

if __name__ == '__main__':

if len(argv) != 2:

print 'usage: filename'

else:

fh = open(argv[1], 'r')

content = fh.read()

out = re.sub(' +([\x80-\xff])', r' \1', content)

print out

当然，下载来的文档通常是GB2312，需要自己转换为utf8再行处理，可以参考我的《python 中文编码笔记》

在win下，有个优秀的文本处理工具可以利用，叫cnbook。在百度的fmddlmyy贴吧可以下载到最新版本。

python对txt分段处理_使用python对txt格式的小说进行处理相关推荐

怎么退出python命令行cd找到txt文档_《python怎么读取txt文件》
python怎么创建一个txt文件 python怎么创建txt文件的方法. 如下参考: 1.首用内置的空闲编辑器编辑(单击并选择copy),如下图所示. 2.您可以下载记事本和其他编辑软件,以支持多种 ...
python爬新闻并保存_利用python的scrapy爬取新浪新闻保存至txt
1.mac本机terminal:scrapy startproject newsSpider 2.pycharm中打开项目,进行爬虫. 2.1在spider文件夹下,建立Spider.py文件,具体如 ...
python分支结构的关键字_学习python分支结构
学习python分支结构来源:中文源码网浏览: 次日期:2019年11月5日 [下载文档: 学习python分支结构.txt ] (友情提示:右键点上行txt文档名->目标另 ...
python如何设置rgb颜色_【Python图像处理】RGB颜色转HSV颜色的快速实现
传送门思路使用NumPy.NumPy对数组和矩阵的运算有大幅度的提速.因此,使用NumPy设计算法时,应该充分利用这一特性,尽可能用NumPy中的矩阵运算来代替遍历等耗时的操作. RGB转HSV ...
python文本结构化处理_在Python中标记非结构化文本数据
python文本结构化处理 Labelled data has been a crucial demand for supervised machine learning leading to a n ...
python交互式和文件式_使用Python创建和自动化交互式仪表盘
python交互式和文件式 In this tutorial, I will be creating an automated, interactive dashboard of Texas COVI ...
python爬取微博评论_用 python 爬取微博评论并手动分词制作词云
最近上海好像有举行个什么维吾尔族的秘密时装秀,很好看的样子,不过我还没时间看.但是微博上已经吵翻了天,原因是好吧,这不是我们关心的,我的心里只有学习我爱学习 Python 爬虫本次爬取的是这条微 ...
python如何读取文件数据恢复_删python目录
Python学习笔记 (1)Hello World(环境搭建+输出Hello World!) 随想高考发挥失常.科三遇火车发挥失常,各种不顺--突然发现假期都快没了,才想起高考前想象的这个假期要做的 ...
python做审计底稿视频_最新Python教学视频，每天自学俩小时，让你offer拿到手软...
2020最新Python零基础到精通资料教材,干货分享,新基础Python教材,看这里,这里有你想要的所有资源哦,最强笔记,教你怎么入门提升!让你对自己更加有信心,重点是资料都是免费的,免费!!! 如 ...

python对txt分段处理_使用python对txt格式的小说进行处理

python对txt分段处理_使用python对txt格式的小说进行处理相关推荐

最新文章

热门文章