Python查找檔案中包含中文的行

前言

近幾天在做多語言版本的時候再次發現，區分各種語言真的是一件比較困難的事情，上一次做中文提取工具的就花了不少時間，這次決定用python試一試，結果寫起來發現真是友善不少，自己整理了一下友善以後查找使用。

代碼

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# find the line of containing chinese in files

__author__ = 'AlbertS'

import re

def start_find_chinese():
    find_count = ;
    with open('ko_untranslated.txt', 'wb') as outfile:
        with open('source_ko.txt', 'rb') as infile:
            while True:
                content = infile.readline()
                if re.match(r'(.*[\u4E00-\u9FA5]+)|([\u4E00-\u9FA5]+.*)', content.decode('utf-8')):
                    outfile.write(content)
                    find_count += ;

                if not content:
                    return find_count

# start to find
if __name__ == '__main__':
    count = start_find_chinese()
    print("find complete! count =", count)
           

原始檔案

source_ko.txt檔案内容

캐릭터 Lv.50 달성
   캐릭터 Lv.80 달성
  캐릭터 Lv.90 달성
...
...
    飛黃騰達
    同歸于盡
    캐릭터 Lv.50 달
           

運作效果(ko_untranslated.txt檔案)

2840    飛黃騰達
4841    同歸于盡
           

總結

1. 其實這段小小的代碼中包含了兩個常用的功能，那就是讀寫檔案和正規表達式。
2. 這也是兩個重要的知識點，其中with操作可能防止資源洩漏，操作起來更加友善。
3. 正規表達式可是一個文字處理的利器，代碼中的正則可能還不太完善，後續我會繼續補充更新。