由于需要使用一個純單詞組成的文件，在網(wǎng)上下載到了一個存放單詞的文件，但是里面有中文的解釋，那就需要做一下提取了。

文本的形式如下：

所見即所得，這個文本是有規(guī)律的，每個單詞為一行，緊接著下一行便是單詞的解釋，有了這種規(guī)律我們就很好處理了。

首先我們來將文件的數(shù)據(jù)讀取出來：

#coding:utf-8file_object = open('words.txt')try:   lines = file_object.readlines()finally:   file_object.close( )for line in lines:  print line

代碼執(zhí)行的結(jié)果為：

顯然，這不是我們想要的結(jié)果，因?yàn)檫@里面有太多的空行了，現(xiàn)在最主要的就是要處理掉這些妨礙我們的空行，對于中文的亂碼呢，我們是不需要中文的解釋的，所以它是無妨礙的，如果想看得舒服些，那么我們就轉(zhuǎn)碼一下就好了。現(xiàn)在最主要的就是要知道為什么會出現(xiàn)這么多的空行，因?yàn)槲覀兊奈募且褜⒖催^了，顯然是這些空行的出現(xiàn)是有點(diǎn)“匪夷所思”的，這也是由于python讀文件的機(jī)制導(dǎo)致的，下面我們修改下代碼，來看看原因：

#coding:utf-8 file_object = open('words.txt')try:   lines = file_object.readlines()finally:   file_object.close( ) print lines

在這里，我們直接輸出lines，得到如下的結(jié)果：

我們隨意拿出這句'runlet/n', 'n./xcd/xb0,/xd0/xa1/xba/xd3/n', '/n', 'runnel/n', 'n./xd0/xa1/xba/xd3,/xcf/xb8/xc1/xf7/n', '/n',從中可以看出，對于每行的文件，在讀取的時候，換行符“/n”也是會被讀取在單詞和對應(yīng)的解釋的后面的，所以這也就是為什么會有那么多空行的原因了，這顯然不是我們想要看見的，下面我們處理一下，讓這些多余的空行失去效果：

#coding:utf-8 file_object = open('words.txt')try:   lines = file_object.readlines()finally:   file_object.close( ) for line in lines:  if line!='/n':    print line.decode('gb2312','ignore'),  #逗號得帶著，因?yàn)槲募陨韼Я藫Q行，可以代替pirnt的換行

程序執(zhí)行后，得到如下的結(jié)果：

好了，這下就是我們想看到的東西了，那么，現(xiàn)在我們可以將這些輸出寫入 到新的文件里了，然后就可以得到我們想要的單詞文本了。

#coding:utf-8 file_object = open('words.txt')try:   lines = file_object.readlines()finally:   file_object.close( ) myfile=open('newfile.txt','w')num=0for word in lines:  if word!='/n':    num+=1    if num%2:  #只有奇數(shù)行為單詞      myfile.write(word)

運(yùn)行程序便可以得到新的單詞文件了，最終提取了45000多個單詞，文件如下所示：

很顯然，滿足我們最終想要實(shí)現(xiàn)的要求，那么可以收工了。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持VEVB武林網(wǎng)。