用Python遍历文件夹下所有电子字典文件(不包括子文件夹)提取单词到一个文件

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)

猜你喜欢

转载自blog.csdn.net/acflair/article/details/82919482