！！只保留文本中的中英文和符号.，其余都删除

只保留文本中的中英文和符号.，其余都删除

---

想要只保留文本中的中英文和符号.，其余都删除吗？下面这个程序可以帮您。它简洁、高效，用python实现，只要把正则表达式换成你想要的就可以了。（python3实现）

---

代码实现：

import re

my_file_path = 'data/百度百科语料.txt'
save_file_path = 'data/百度百科语料_去除符号.txt'
# 打开文件
my_file = open(my_file_path, 'r', encoding='utf-8')
# 只保留中英文、数字和.的正则表达式
cop = re.compile("[^\u4e00-\u9fa5^.^a-z^A-Z^0-9]")

for line in my_file.readlines():
    string = cop.sub("", line)
    save_file = open(save_file_path, 'a', encoding='utf-8')
    save_file.write(string)
    save_file.flush()
    save_file.close()

# ascii(my_file.read(3)[0]) 获取unicode编码
# 关闭文件
my_file.close()

---

代码说明：[^\u4e00-\u9fa5^.^a-z^A-Z^0-9] 为需要替换的字符;string = cop.sub(“”, line) 即把文本中匹配到的字符替换成空字符;my_file_path为要处理的文件，里面是文本;save_file_path为处理完成之后的文本文件。