经过若干天的尝试,最后凝炼出了这么一段代码,集几天研究之成果,可谓费尽心机。里面用到的成果包括:
1.with open...as
2.处理有乱码的文本
于是赶紧先写下来,做个阶段性成果。
import re
import os.path
p=re.compile(r"\b[a-z]{2,40}\s?\r\n")#单词(2-40个字母以内)单词后回车前可能有0或者1个空格,所以用了“\s?”
filedir=r"B"
filenames=os.listdir(filedir)
with open("allwords.txt","w") as f:
for filename in filenames:
filepath=filedir+"\\"+filename
with open(filepath,"rb") as fr: #只能用“rb”,以二进制形式打开
str=fr.read().decode("gbk","ignore")#解码,必须加上"ignore",这里有大坑。
words=re.findall(p,str)
for word in words:
f.write(word)