zoukankan      html  css  js  c++  java
  • python使用带汉字的正则表达式

    #!/usr/bin/python
      2 # -*- coding: cp936 -*- 
      3 import sys;
      4 import re;
      5 '''
      6 原始文件,去重后文件,重复文件
      7 '''
      8 if( __name__ == "__main__" ):
      1 #!/usr/bin/python
      2 # -*- coding: cp936 -*- 
      3 import sys;
      4 import re;
      5 '''
      6 原始文件,去重后文件,重复文件
      7 '''
      8 if( __name__ == "__main__" ):
      9     fid_input = file(str(sys.argv[1]),'r');
     10     fid_pure=file(str(sys.argv[2]),'w');
     11     fid_assist=file(str(sys.argv[3]),'w');
     12     mydict={};
     13     phanzi=re.compile(u'[\u4e00-\u9fa5]');
     14     preturn=re.compile(u'(^\s+|\s+$)');#去掉首尾空白
     15     pfilter=re.compile(u'[”“(\(\))]');#去掉无关字符
     16     for line in fid_input:
     17         uline=unicode(line,'gbk');
     18         candidates=phanzi.findall(uline);
     19         unewline=u'';
     20         for m in candidates:
     21             unewline=unewline+m;
     22         unewline=pfilter.sub('',unewline);
     23         unewline=preturn.sub('',unewline);
     24         newline=unewline.encode('gbk');
     25         fid_assist.write(newline);
     26         fid_assist.write('\n');
     27         if(not mydict.has_key(newline)):
     28             mydict[newline]=1;
     29     for mykey in mydict.keys():
     30         fid_pure.write(mykey);
     31         fid_pure.write('\n');
     32     fid_pure.close();
     33     fid_input.close();
     34     fid_assist.close();
     35     print 'procedure %s finish!\n'%str( sys.argv[0] );
  • 相关阅读:
    20150112-夜深,人不静
    20150111-谁会记得
    20150110-我希望我的歌声里都是希望
    20150102-霰现
    20150116-卵子
    20150109-放弃了一切希望
    20150105-条大路哟
    笔记:使用 stylus stylus-loader
    如何处理烫伤的伤口?
    连电子硬件行业都在开始使用 Git 了你还在等什么?
  • 原文地址:https://www.cnblogs.com/finallyliuyu/p/2396702.html
Copyright © 2011-2022 走看看