我想在文本文件上的每个单词和符号之间添加引号。
例如；
Türkiye ya da resmî adıyla Türkiye Cumhuriyeti, topraklarının büyük bölümü Anadolu'ya, küçük bir bölümü ise Balkanlar'ın uzantısı olan Trakya'ya yayılmış bir ülke.
变成->
"Türkiye" "ya" "da" "resmî" "adıyla" "Türkiye" "Cumhuriyeti" "," "topraklarının" "büyük" "bölümü" "Anadolu'ya" "," "küçük" "bir" "bölümü" "ise" "Balkanlar'ın" "uzantısı" "olan" "Trakya'ya" "yayılmış" "bir" "ülke" "."
为此，我写了这样一段代码:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re, codecs, io
with io.open ("turkish.txt", "r", encoding="utf-8") as myfile:
text=myfile.read()
replacer = re.compile("([\w'-]+|[.,!?;()%])", re.UNICODE)
output_text = replacer.sub(r'"\1"', text).replace('""','" "')
text_file = open("Output.txt", "w")
text_file.write(output_text.encode('utf8'))
text_file.close()
在上面的例子中，替换就可以了。
但对于这样一个例子，
İmparatorluk zirvesini 15 ve 17'nin arasında, özelikle I. Süleyman döneminde 10.000'lerde yaşadı.
替换发生如下；
"İmparatorluk" "zirvesini" "15" "ve" "17'" "nin" "arasında", "özelikle" "I" "." "Süleyman" "döneminde" "10" "." "000'" "lerde" "yaşadı" "."
如你所见，10.000是一个数字，17'nin是在一起，而I.指的是罗马数字排名，所以我希望它们分开为
10.000、17'nin 和 I.。
我应该如何修改我的正则表达式或代码来实现这一目标？
谢谢
最佳答案
将 [IVXLCDM]+\.|[\d\.]+(?:'\w+)? 添加到正则表达式模式的开头匹配“10.000”和“10.000'lerde” “和我。”正如预期的那样。
replacer = re.compile(r"\b([IVXLCDM]+\.|[\d\.]+(?:'\w+)?|[\w'-]+|[.,!?;()%])", re.UNICODE)
关于python - 为文本文件上的每个单词和符号添加引号，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/39035876/