如何替换文件中的某些单词

Question

该程序用于检查两个特定单词（如：'ஒன்று'和'கோடி'）是否连续出现，如果是这样，请用特定单词替换第一个单词（例如：'ஒரு “）。我必须从文件中读取内容并将它们写入另一个文件中。我已经使用了一个标志变量，从2开始初始化，并且只在标志％2 == 0时才打印到文件中，以便文字不会重复到新文件中。 pgm只在单词处于均匀位置时才起作用，否则不起作用。我应该如何更改检查和打印。下面是代码：

filename = raw_input("enter file:") 
ff = open(filename+'.rep_out','w') 
with open(filename, 'r') as f: 
    for line in f: 
     words = line.strip().split() 
     flag = 2 
     for word1, word2 in zip(words, words[1:]): 
      if flag%2 == 0: 
       if word1 == 'ஒன்று' or word1 == '1': 
        if word2 == 'கோடி' or word2 == 'லட்சம்' or word2 == 'ஆயிரம்' : 
         #word1=word1.replace(word1,'ஒரு') 
         word1='ஒரு' 
         #ff.write(word1+" ") 
       ff.write(word1+" ") 
       ff.write(word2+" ")    
      flag=flag+1 
f.close() 
ff.close() 

Answer 1

当你的字符串操作得到这个复杂的，有一个很好的机会，你可以用一个更强大的工具比Python的字符串方法做的更好。在这种情况下，这是一个相当容易一点使用正则表达式：

import re 

with open(filename) as f: 
    with open(filename + '.rep_out') as ff: 
     for line in f: 
      ff.write(re.sub("ஒன்று (கோடி|லட்சம்|ஆயிரம்)", r"ஒரு \1", line)) 

解释：

"ஒன்று (கோடி|லட்சம்|ஆயிரம்)"匹配ஒன்று出现的任何连续后跟任意கோடி的，லட்சம்或ஆயிரம்的正则表达式 - 可以延长尽可能多的候选第二个单词，你需要。

re.sub替换用替换第一个字（ஒரு），其次是相同秒字，它发现之前 - 在\ 1告诉它“把匹配第一组（位）早在这里” （\ 1是为什么它需要是一个原始字符串 - 你想要通过re.sub解析，而不是Python的字符串文字规则）。

作为写入，上述代码假定每行字由恰好一个空间，这是从原始的代码，允许他们由空格的任何量来分离不同的分离，但将输出它们通过分离单一空间。为了配合这种行为，你可以修改正则表达式上面，像这样：

re.sub("ஒன்று\s+(கோடி|லட்சம்|ஆயிரம்)", r"ஒரு \1", line) 

的\ S匹配任何空白字符，而+指在一排“的那场比赛的倍数，只要有至少一个”。

请注意，当您使用with open(...) as f:时，您无需事后致电f.close()--这会在您退出with块时自动发生。