搜狗新闻语料库 python正则表达式 新闻内容提取

最近在做数据挖掘大作业，老师要求100W新闻，自己爬了一大部分，但也还不够，就想到用语料库，

搜狗语料库来源：http://www.sogou.com/labs/resource/cs.php

打开是

<doc>

<url>...</url>

<docno>....</docno>

<contentitle>...</contenttitle>

<content>...</content>

</doc>

这样的形式的已经切割好的一堆文件，这里我只写了运动的获取内容，只需读取后正则匹配写入就ok，如下：

# -*- coding: UTF-8 -*-
import codecs
import sys
import re
import csv
import os
import codecs
#cate