ZHO9504的博客

今天临时需要爬取一些双语资料（尚未清洗）需要充分利用下边代码是想拿到Chinadaily网页中每篇双语新闻的链接，首先研究这些网页的网址和网页结构，包括翻页一般是首页网址加上_2，_3...等等。所以以下代码只是拿到链接。#!/usr/bin/env python# -*- coding: utf-8 -*-"""File: bi_news.pyAuthor: Zhan...

 re.search是字符串里面存在某种正则if re.search(r"^\s{0,}\(([a-zA-Z]|\d+)\)", en): lines.append(ch + '|||' + en +'\n')　　re.match是整个字符串匹配if re.match(r".*\|\|\|.*", line): re.findall可能得到的是数组...

 文本一些冗余标点符号清洗#encoding=utf-8import sys import reoutfile = 'result.txt'file = sys.argv[1] if len(sys.argv) > 2: outfile = sys.argv[2]print("Deading" + file + " now...\n")lines ...

\d 匹配一个数字\w 匹配一个字母或数字. 匹配任意字符* 表示任意个字符（包括0个），+ 表示至少一个字符? 表示0个或1个字符^ 表示行的开头$ 表示行的结束\s 匹配一个空格（也包括Tab等空白符）\s+ 表示至少有一个空格| A|B可以匹配A或B，...

安装：https://github.com/fxsjy/jieba下载安装包 解压后 进入文件夹 cmd运行：Python setup.py install使用：分词：（test.py）import jiebaresult = jieba.cut("我叫张海鸥")print("/".join(result))>>>我/叫/张/海鸥 分词+...

过程很坎坷  最终成功的步骤：windows nltk安装Python 3.5（自带pip）python -m pip install -U pip （pip升级）添加pip.exe路径，在Python安装目录/script目录下载相应版本的numpy安装包，whl文件 在网站https://pypi.python.org/pypi/numpy下与python版本对应的whl...

在自己电脑上安装python的nltk包之后，进入pythonimport nltknltk.download()然后选择下载所有，下载了四个多小时。。终于下载好了（显示：占用空间3.25 GB (3,495,780,352 字节)）（之间几度以为他卡了，看了下载地址的文件包占用空间慢慢变大，知道他一直在下载而不是卡了，就一直等到他下载完） ...

读写文件 中文正则匹配 好麻烦 代码很短 错误调了很多#!/usr/bin/env python#encoding: utf-8import ref=open('10000.txt','r', encoding='UTF-8')f1=open('result.txt','w')for line in f.readlines(): ss = line.split('||...