将XML文件中的汉字提取出来并保存为txt文件

将XML文件中的汉字提取出来并保存为txt文件

模式识别作业，老师布置了对汉字的重复率的检测，给的数据库是XML文件，故需要将XML文件中的汉字提取出来，并转成txt文件格式。

编程代码比较简单

我之前在网上找了许多类似的代码，都不是很满足要求，我的师兄直接上手编了一段程序实现该功能。感谢师兄！

XML图片:

代码如下

// An highlighted block
import os


def XML2txt(load_XML, load_txt):
    xml_filepath = os.path.abspath(load_XML)
    f_XML=open(xml_filepath, mode='r', encoding='UTF-8')
    words = []
    for i in f_XML.readlines():
        for word in i.strip():
            if word > chr(255):  # if '\u4e00' <= word <= '\u9fff':此代码是直接过滤出汉字而没有标点符号的
                words.append(word)
    f_XML.close()
    a = ''.join(words)
    f_txt = open(load_txt, 'w', encoding='utf-8')
    f_txt.write(a)
    f_txt.close()


if __name__ == '__main__':
    load_XML = 'H:\\2474\\2474\\Lcmc\\data\\character\\LCMC_R.XML'
    load_txt = 'H:\\2474\\2474\\Lcmc\\data\\character\\LCMC_R.txt'
    XML2txt(load_XML, load_txt)