最近下了个小说，txt格式。用某听书app听小说时，经常碰到好好的一句话硬生生分两半读的情形。一看txt文本原来是每行后面都有换行符，惯不得分段读，不能怨人家读书app软件。
开干。怎样去除不该换行的换行符呢？基本思路，除标点外的汉字后面一般不应该换行，写点代码简单处理了一下，听书效果好多了。
[Python] 纯文本查看 复制代码 fp1=open(r"源文件.txt",'r',encoding="utf-8")#请先用记事本打开源文件另存为utf-8编码文件
fp2=open(r"目标文件.txt",'w',encoding="utf-8")
bd="！？，。、＂“”〝〞＃＄％＆＇～（）＊＋－／＼：；＜＝＞［］＾｀｛｝｢｣《》「」『』【】〖〗—…." #句尾可能会用到的标点
lineall=fp1.readlines()
line2all=[]
linet=""
for line in lineall:
if line.strip()!="":
if line.strip()[-1] in bd:
linet=linet+line
line2all.append(linet)
linet=""
else:
linet=linet+line[:-1]
fp2.writelines(line2all)
fp1.close()
fp2.close()
不过结果有点小问题，章节行尾的换行符也被搞掉了。重来，用高大上的正则。
[Python] 纯文本查看 复制代码 import re
fp1=open(r"源文件.txt",'r',encoding="utf-8")
fp2=open(r"目标文件.txt",'w',encoding="utf-8")
lineall=fp1.readlines()
for line in lineall:
if re.match('.+[\u4e00-\u9f5a]+\n',line):
if not re.match('(^第.+?章)',line):
fp2.write(line[:-1])
else:
fp2.write(line)
else:
fp2.write(line)
fp1.close()
fp2.close()
再看结果，好像还不错。听书app听起来舒服多了^_^
| 
[复制链接]
发表于 2024-8-10 16:00
|
发表于 2024-8-11 09:45
