sunrise

每天不断学习,才能不断提升自己。

  C++博客 :: 首页 :: 新随笔 :: 联系 :: 聚合  :: 管理 ::
  64 随笔 :: 0 文章 :: 92 评论 :: 0 Trackbacks
额 闲得没事,写的文本预处理模板,很简单,但是为了以后处理文本时,不再做重复的事,就整理了一下,随着处理文本增多,会慢慢更新。。
#!/usr/bin/enc python
#-*-coding:UTF-8 -*-
#
#
#Copyrigtht (c)
#Laiseek Comany 2012
#All rights reserved.
#
#Finename:nearsyn.py
#Function:预处理工具
#
#Current version:1.0
#author: Chen Yu
#Date: 05/07/2012
#
import re
class NearSyn:
  def init(self):
    self.syn = []
    self.det = []
  #加载数据
  def load(self,filename,detfile):
    sock = open(filename,'r')
    self.syn = sock.read().split('\n')
    sock.close()
    for i in range(len(self.syn)):
      self.syn[i] = self.syn[i].split(' ')
    self.det = []
    sock = open(detfile,'r')
    self.det = sock.read().split('\n')
    sock.close()
  #去除读入元素中的空list
  def empty(self):
    for i in range(len(self.syn)):
      #空元素移除后元素减少
      flag = 0
      for j in range(len(self.syn[i])):
        if self.syn[i][j - flag] == " "or len(self.syn[i][j - flag]) == 0:
          self.syn[i].remove(self.syn[i][j - flag])
          flag += 1
  #从A中剔除D
  def dete(self):
    for i in range(len(self.syn)):
      self.det[i] = self.det[i].split(' ')
    for i in range(len(self.syn)):
      for j in range(len(self.det[i])):
        if self.det[i][j]:
          self.syn[i].remove(self.det[i][j])
  #合并A和B
  def merge(self,filename1,filename2):
    sock = open(filename1,'r')
    buf1 = sock.read().split('\n')
    sock.close()
    sock = open(filename2,'r')
    buf2 = sock.read().split('\n')
    sock.close()
    sock = open('app','w')
    print len(buf1)
    for i in range(len(buf1)):
      sock.write(buf1[i] + ' '+ buf2[i]+ '\n')
    sock.close()
  #去除重复的元素
  def unrep(self,filename):
    sock = open(filename,'r')
    buf = sock.read().split('\n')
    sock.close()
    ls = list(set(buf))
    ls.sort(key = buf.index)
    sock = open('sims2','w')
    for i in range(len(ls)):
      sock.write(ls[i] + '\n')
    sock.close()
  #去除html标签
  def offhtml(self,infile,outfile):
    rfile = open(infile,'r')
    buf = rfile.read()
    rfile.close()
    wfile = open(outfile,'w')
    buf = re.sub(r"<[^!>](?:[^>]|\n)*>", '',buf)
    wfile.write(buf)
  #输出
  def output(self,filename):
    sock = open(filename,'w')
    for i in range(len(self.syn)):
      #去掉单个词
      if len(self.syn[i]) > 1:
        for j in range(len(self.syn[i])):
          sock.write(self.syn[i][j] + '  ')
        sock.write("\n")
    sock.close()
if __name__ == '__main__':
  t = NearSyn()
posted on 2012-05-07 14:32 SunRise_at 阅读(1495) 评论(0)  编辑 收藏 引用 所属分类: 可爱的python

只有注册用户登录后才能发表评论。
网站导航: 博客园   IT新闻   BlogJava   知识库   博问   管理