re提取小说文本章回目录

梦幻精灵_cq

于 2021-09-01 07:52:02 发布

阅读量846

点赞数 1

分类专栏：笔记

本文链接：https://blog.csdn.net/m0_57158496/article/details/120031360

版权

Python 正则表达式小说处理章回目录文本挖掘

关键词由CSDN通过智能技术生成

笔记专栏收录该内容

344 篇文章

订阅专栏

该博客介绍了一种使用Python的正则表达式提取小说《三国演义》章回目录的方法。通过预编译正则模式`第w+回.*`，能有效地从文本中找出所有章回标题，忽略Unicode编码`u3000`。代码在Python3.6.6环境下运行，展示了如何读取文件、替换特定字符并打印提取的章回目录。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

提取章回目录

用六个字符，即完美提取小说章回目录。

——(“第\w+回.*”)，括号内的字符。

在这里插入图片描述

☆程序调试环境☆
python 3.6.6 安卓版(手机)

知识点：

re.findall(pattern, s)

技巧：

可以不用理会提取出来的"\u3000"(Uncode编码)，打印出来就是俩空格，与" "同。

代码运行效果
在这里插入图片描述

完整代码

My python code

#/sur/bin/nve python
#coding: utf-8
import re, json

print("~"*42)#打印分割线
with open("三国演义.txt") as f:
    s = f.read()
    #用"  "替换"\u3000"
    #s = s.replace("\u3000", "  ")
    #预编译正则表达式
    pattern = re.compile("第\w+回.*")
    #打印提取的章回目录
    for i in re.findall(pattern, s):
        	print(i)
print("~"*42)#打印分割线