文本预处理1--去除#和句号之间内容

1.针对文本里特定两个符号之间内容的中文进行去除，本次选取#和句号之间的内容进行去除。

2.大家可以根据自己的实际需求修改代码实现自己的文本内容的整理。

3.下面是去除#和句号之间内容的python代码：其中读取的是txt文本，处理后的内容写回原txt文件。

import os
def remove_content_between_hash_and_period(input_text):
    start_search_pos = 0
    while True:
        hash_pos = input_text.find('#', start_search_pos)
        if hash_pos == -1:
            break
        period_pos = input_text.find('。', hash_pos)
        if period_pos == -1:
            input_text = input_text[:hash_pos]
            break
        input_text = input_text[:hash_pos] + input_text[period_pos + 1:]
        start_search_pos = hash_pos
    return input_text


def process_txt_files(folder_path):
    for filename in os.listdir(folder_path):
        if filename.endswith('.txt'):
            file_path = os.path.join(folder_path, filename)
            with open(file_path, 'r', encoding='utf-8') as file:
                content = file.read()
                processed_content = remove_content_between_hash_and_period(content)

            # 可选：将处理后的内容写回文件
            with open(file_path, 'w', encoding='utf-8') as file:
                file.write(processed_content)

            # 打印处理后的内容（如果需要）
            # print(f'Processed content of {filename}:')
            # print(processed_content)


# 替换为你的文件夹路径
folder_path = "C:\\Users\\lenovo\\Desktop"
process_txt_files(folder_path)