Python清洁d

Question

我试图从一个大的文本文件（大约3GB）中删除不需要的字符。我正在尝试删除文件中不需要的前后斜杠。我想在单词之间保留颚化符，它充当分隔符。文件的格式如下：

Cornet~Chris Tyle
Cornet\~Warren Vache
Cornet~Roger Webster
Cornet~\Grimethorpe Coll//iery Band
Cornet/~Daniel Rollston
Cornet~Murley Silver Band
Chocolate~Chocolate liquor
Chocolate~Theobroma cacao
Chocolate~Meso/america

所以在上面的例子中，我想删除所有的反斜杠/正斜杠，这样单词就可读了（同时保留了颚化符）。我会为此使用Python正则表达式吗？另一种可能是删除包含斜线的行，但我想把它作为最后的手段。在

**编辑：抱歉忘了提一件事！有些线条是这样的：

^{pr2}$

除了删除正斜杠和反斜杠之外，我还必须删除所有在颚化符之前或之后为null的行**

谢谢你的帮助！在

Answer 1

像这样简单的事情就可以了吗？（我相信for line in f是一个生成器。不管怎样，它一次只读取一行）

with open(filename, "r") as f: 
     for line in f: 
         line = line.replace("/", "") 
         line = line.replace("\\", "")

更新（OP还希望“删除所有在颚化符“之前或之后为空的行”

这将跳过颚化符前面有空格的行，并替换其余行中的正斜杠和反斜杠：

^{pr2}$

注：如果你真正想要的只是保持所有行的格式为“word+tilde+word”，那么删除斜杠并丢弃其他所有内容，声明这样更容易理解。在

Answer 2

简单，只需使用str.replace()。在

注意双\\，它不是替换双反斜杠，而是一个反斜杠在转义另一个反斜杠

代码：

def clean():
    with open('example.txt', 'r') as f:
        outputs = []
        for line in f:
            output = line.replace('/', '')
            output = output.replace('\\', '')
            output = output.replace('\n', '')
            outputs.append(output)
    return outputs

print(clean())

输出：

^{pr2}$

Answer 3

尝试：

import re

rx = re.compile(ur'[/\\]+', re.MULTILINE)

inFile = "input.txt"
outFile = "output.txt"

with open(inFile, 'r') as f_in:
    with open(outFile,'w') as f_out:
        for line in f_in:
            cleanLine = re.sub(rx, '', line).strip()
            if cleanLine.startswith('~') or cleanLine.endswith('~'):
                continue
            f_out.write(cleanLine + '\n')

这段代码正在从输入文件中删除\ /和以tilda~开头或结尾的行，并编写一个干净的输出文件。在

基于输入文本，它将发出

^{pr2}$