自动删除包含“ème”的数字和字母数字文字

使用sed或我可以在txt文件的目录上运行的其他程序，如何从文件中删除纯数字以及数字和字母的组合，除那些属于法国基数（例如2ème）的部分。自动删除包含“ème”的数字和字母数字文字

例如，如果一个文本文件包含

12h03 11:00 27.8.16 23 3ème bonjour

然后我只想留住

3ème bonjour

编辑：因为没有号码出现在它卓悦被保留。 3ème保留，因为它结束于ème（基数）。其他令牌被删除，因为它们包含数字，但不是基数。

来源

2016-09-14 jvh_ch

实际的规则是什么？你说你只想要包含'ème'的单词，然后在你的例子中包含bonjour作为保留的东西。规则集的哪一部分允许“bonjour”被包含在输出中？ – jwpfox

抱歉不清楚：如果有数字出现，应删除单词，除非以'ème'结尾。 –

所以这条线“那么我只想保留'3èmebonjour'。”应该阅读“那么我只想保留'3èmer'。”是对的吗？ – jwpfox

jwpfox：我从来没有用过Python，但我愿意使用它。

与此同时，我写了一个猪丑陋的R脚本，似乎足以达到我的目的。我会在这里分享。

# Sample text 
text <- "Le 8 septembre à 11h30, Jean voyait les 2 filles pour la 3ème fois." 

# Split up by space 
splittext <- unlist(strsplit(text, 
          split = " ")) 

# Retain words containing no numbers, or that contain 'ème' or punctuation. 
selecttext <- splittext[!(grepl("\\d", splittext)) | 
         grepl("ème", splittext) | 
         grepl("[[:punct:]]", splittext)] 

# If a word contains both numbers and punctuation, retain only the punctuation 
selecttext[grepl("\\d", selecttext) & grepl("[[:punct:]]", selecttext)] <- stringr::str_sub(selecttext[grepl("\\d", selecttext) & grepl("[[:punct:]]", selecttext)], start=-1, end =-1) 

# Recombine 
text2 <- paste(selecttext, collapse = " ") 


> text2 
[1] "Le septembre à , Jean voyait les filles pour la 3ème fois."

它应该是读取目录中的所有文件，通过上面的行运行它们，并覆盖源文件。

来源

2016-09-14 14:40:27

既然你打开一个Python的答案，这里是Python3中的一个。

在filepath变量中提供要在其中工作的树的根目录的路径，这将遍历该目录下树中的所有文件并应用您提供的规则。

请注意，您似乎在您的R代码中应用的规则似乎与您在问题中提出的规则不同。

import os 
import re 

filepath = 'testfiles' 
for(path, dirs, files) in os.walk(filepath): 
    searchpattern = re.compile('[0-9]') 
    for filename in files: 
     curfilepath = os.path.join(path, filename) 
     with open(curfilepath, mode='r', encoding='utf-8') as infile: 
      cleanlines = [] 
      for line in infile: 
       cleanline = '' 
       words = line.split(' ') 
       for word in words: 
        if 'ème' in word: 
         cleanline += word + ' ' 
        if searchpattern.search(word) is None: 
         cleanline += word + ' ' 
       cleanline = cleanline.strip() 
       if len(cleanline) > 0: 
        cleanlines.append(cleanline) 

     with open(curfilepath, mode='w', encoding='utf-8') as outfile: 
      for line in cleanlines: 
       outfile.write(line + '\n')

来源

2016-09-15 08:55:23 jwpfox

自动删除包含“ème”的数字和字母数字文字

回答

相关问题