0
点赞
收藏
分享

微信扫一扫

【python计算机二级】python论语文本提纯-计算机二级操作题


在刷计算机二级操作题题库时候,无论是未来教育、python123以及其他平台资源,想必大家都会遇到最后一道操作题是关于论语文本提纯的问题。初次看到的这种题目的小白,眼里就是这是什么鬼呀,看不懂呀,怎么嵌套了这么多的循环???

代码与论语文本资料可以在github上获得:​​https://github.com/Muzi828/The-Analects​​,接下来就开始进行实际操作。

【python计算机二级】python论语文本提纯-计算机二级操作题_标签文件

part 1

预备知识 replace使用

s1 = "1·1子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠(8),不亦君子(9)乎?”"
print(s1.replace("1·1","")) #目的是去掉前面的数字标号
print(s1) #replace方法不改变原字符串
s1=s1.replace("1·1","")
print(s1) #需要将replace后的字符重新赋给原字符串,完成内容的修改

==>> 子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠(8),不亦君子(9)乎?”
==>> 1·1子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠(8),不亦君子(9)乎?”
==>> 子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠(8),不亦君子(9)乎?”

第一步 文件打开及内容读取

fi = open("C:/Users/86177/Desktop/论语-网络版.txt","r") #选择文件放置的位置,注意位置符。
fi.read()

==>> UnicodeDecodeError: 'gbk' codec can't decode byte 0xae in position 4: illegal multibyte sequence

出现此类错误,使用“utf-8”编码一般就可以解决。

fi = open("C:/Users/86177/Desktop/论语-网络版.txt","r",encoding = "utf-8") #一般添加编码utf-8再读入即可
fi.read(500) #读入前500字符

==>> '\ufeff论语全篇 学而篇第一\n\n  【本篇引语】\n\n  《学而》是《论语》第一篇的篇名。
《论语》中各篇一般都是以第一章的前二三个字作为该篇的篇名。《学而》一篇包括16章,内容涉及
诸多方面。其中重点是“吾日三省吾身”;“节用而爱人,使民以时”;“礼之用,和为贵”以及仁、孝、
信等道德范畴。\n\n 【原文】\n\n 1·1子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)
远方来,不亦乐(6)乎?人不知(7),而不愠(8),不亦君子(9)乎?”\n\n 【注释】\n\n (1)
:中国古代对于有地位、有学问的男子的尊称,有时也泛称男子。《论语》书中“子曰”的子,都是指孔子而言
(2)学:孔子在这里所讲的“学”,主要是指学习西周的礼、乐、诗、书等传统文化典籍。\n\n
(3)时习:在周秦时代,“时”字用作副词,意为“在一定的时候”或者“在适当的时候”。但朱熹在《论语集注》
一书中把“时”解释为“时常”。“习”,指演习礼、乐;复习诗、书。也含有温习、实习、练习的意思。\n\n
(4)说:音yuè,同悦,愉快、高兴的意思。\n\n (5)有朋:一本作“友朋”。旧注说,“同门曰朋”,即
同在一位老师'

第二步将原文写入到目标文件夹

对文本进行分析可知:要求写入的内容都在“【原文】”后边,所以在读取时候遇到“【原文】”标志即可读入之后的内容。而对于“【】”之中其他的内容,过滤掉即可。

fi = open("C:/Users/86177/Desktop/论语-网络版.txt","r",encoding = "utf-8")
fo = open("C:/Users/86177/Desktop/论语-网络版1.txt","w")
flag = False #设置标记
for line in fi:
if "【" in line:
flag = False #过滤掉其他【】中不需要的信息
if "【原文】" in line:
flag = True
continue
if flag == True:
fo.write(line)
fi.close()
fo.close()

第三步 去掉每句话前面的编号

#先举个栗子,将下面四句话前面的数字编号去掉

s2 = "1·1子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠(8),不亦君子(9)乎?”\
1·2有子(1)曰:“其为人也孝弟(2),而好犯上者(3),鲜(4)矣;不好犯上,而好作乱者,未之有也(5)。君子务本(6),本立而道生(7)。孝弟也者,其为人之本与(8)?”\
9·14子欲居九夷(1)。或曰:“陋(2),如之何?”子曰:“君子居之,何陋之有?”\
11·12季路问事鬼神。子曰:“未能事人,焉能事鬼?”曰:“敢问死。”曰:“未知生,焉知死?”"

#观察一下结构可以发现最前面都是由“数字·数字”组成的,因此可以想到下面操作

for i in range(12): #左侧的最大值为11,括号内取12
for j in range(13): #右侧最大值为13,括号内取13
s2 = s2.replace("{}·{}".format(i,j),"") #一步将前面数字替换成 空 字符
print(s2)

==>> '子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠
(8),不亦君子(9)乎?” 有子(1)曰:“其为人也孝弟(2),而好犯上者(3),鲜(4)矣;不好犯上,而好作
乱者,未之有也(5)。君子务本(6),本立而道生(7)。孝弟也者,其为人之本与(8)?” 4子欲居九夷(1)
或曰:“陋(2),如之何?”子曰:“君子居之,何陋之有?” 12季路问事鬼神。子曰:“未能事人,焉能事
鬼?”曰:“敢问死。”曰:“未知生,焉知死?”'

结果呢???   一脸问号!!!  这怎么前面还有数字,按理说不是全变成  “空”  字符了吗???

为了更直观地展示,将 “空” 字符换成 “*” 字符,然后在进行同样的操作,看看是不是发现了什么???

s2 = "1·1子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠(8),不亦君子(9)乎?”\
1·2有子(1)曰:“其为人也孝弟(2),而好犯上者(3),鲜(4)矣;不好犯上,而好作乱者,未之有也(5)。君子务本(6),本立而道生(7)。孝弟也者,其为人之本与(8)?”\
9·14子欲居九夷(1)。或曰:“陋(2),如之何?”子曰:“君子居之,何陋之有?”\
11·12季路问事鬼神。子曰:“未能事人,焉能事鬼?”曰:“敢问死。”曰:“未知生,焉知死?”"

for i in range(12):
for j in range(13):
s2 = s2.replace("{}·{}".format(i,j),"**")
print(s2)

==>> '**子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠
(8),不亦君子(9)乎?” **有子(1)曰:“其为人也孝弟(2),而好犯上者(3),鲜(4)矣;不好犯上,而好
作乱者,未之有也(5)。君子务本(6),本立而道生(7)。孝弟也者,其为人之本与(8)?” **4子欲居九夷
(1)。或曰:“陋(2),如之何?”子曰:“君子居之,何陋之有?” 1**2季路问事鬼神。子曰:“未能事人,
焉能事鬼?”曰:“敢问死。”曰:“未知生,焉知死?”'

是不是最终发现,即使你遍历循环的值超过10,甚至都到12了,但是最后还是只占据了一个位置,显示一个 “*”。故:最终只是替换了一个占位符而已,所以上述代码在遍历循环时候只要输入10即可。

for i in range(10):                                  #由上可知,一个数字只形成一个占位符,可以遍历0-9(包括0和9),也就是输入10
s2 = s2.replace("*{}".format(i),"**") #将右侧的数字变成“*”
for i in range(10):
s2 = s2.replace("{}*".format(i),"**") #将左侧的数字变成“*”
print(s2)

==>> '**子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠
(8),不亦君子(9)乎?” **有子(1)曰:“其为人也孝弟(2),而好犯上者(3),鲜(4)矣;不好犯上,而好
作乱者,未之有也(5)。君子务本(6),本立而道生(7)。孝弟也者,其为人之本与(8)?” ***子欲居九夷
(1)。或曰:“陋(2),如之何?”子曰:“君子居之,何陋之有?” ****季路问事鬼神。子曰:“未能事人,
焉能事鬼?”曰:“敢问死。”曰:“未知生,焉知死?”'

此时我们已经完成了前面数字标号的全部替换,最后一步直接将这些 “*” 变成 “空” 字符即可。

s2 = s2.replace("*","")                              #最后完成“*”字符的去除
print(s2)

==>> '子曰(1):“学(2)而时习(3)之,不亦说(4)乎?有朋(5)自远方来,不亦乐(6)乎?人不知(7),而不愠
(8),不亦君子(9)乎?” 有子(1)曰:“其为人也孝弟(2),而好犯上者(3),鲜(4)矣;不好犯上,而好作
乱者,未之有也(5)。君子务本(6),本立而道生(7)。孝弟也者,其为人之本与(8)?” 子欲居九夷(1)。或
曰:“陋(2),如之何?”子曰:“君子居之,何陋之有?” 季路问事鬼神。子曰:“未能事人,焉能事鬼?”
曰:“敢问死。”曰:“未知生,焉知死?”'

第四步将内容写入目标文件

此处只是保证操作步骤的完整,进行示意,具体的原文内容写入到目标文件可以参考第二步

fo.write(s2)  #此处只是为了展示步骤的完整性。具体的看下面的完整代码

第五步 代码汇总

#完整代码如下

fi = open("C:/Users/86177/Desktop/论语-网络版.txt","r",encoding = "utf-8")
fo = open("C:/Users/86177/Desktop/论语-网络版1.txt","w")
flag = False
for line in fi:
if "【" in line:
flag = False
if "【原文】" in line:
flag = True
continue
if flag == True:
for i in range(10):
for j in range(10):
line = line.replace("{}·{}".format(i,j),"**")
for i in range(10):
line = line.replace("{}*".format(i),"")
for i in range(10):
line = line.replace("*{}".format(i),"")
line = line.replace("*","")
fo.write(line.lstrip()) #实现目标格式输出,去掉左侧不必要的符号

fi.close()
fo.close()

part 2

有了part 1的梳理之后,part 2中只需要将“(数字)”看做一个整体进行替换即可。代码如下:  

fi = open("C:/Users/86177/Desktop/论语-网络版1.txt", "r")
fo = open("C:/Users/86177/Desktop/论语-原文.txt", "w")
for line in fi:
for i in range(50): #数字要根据文本中的标志最大值设定,论语中语录比较简单,标记较少,为了确保不漏掉可以稍微设置大一些
line=line.replace("({})".format(i), "") #构造(i)并替换
fo.write(line)
fi.close()
fo.close()

附:


【python计算机二级】python论语文本提纯-计算机二级操作题_python_02

part2 论语提纯原文

【python计算机二级】python论语文本提纯-计算机二级操作题_论语_03

part1 论语-网络版1

举报

相关推荐

0 条评论