vim的确是神器,可惜sed与vim不完全通用。这篇文章受《 用vim对txt格式的小说重新排版》的启发,在此致谢!
经常下载txt的电子书,格式却不合心意,只好自己再处理。首要的就是处理段内换行。
原来的打算是定制一个vim模式,到时候处理小说时进入该模式,再使用各种快捷键。以此避免txt快捷键对日常编程的干扰。后来发现,vim不像emacs,可以定制自己的模式。(可能可以定制专用的vimrc解决,未经尝试)
于是转向脚本寻求解决办法。sed与awk是此中翘楚,首先试试。可惜早些日子学的sed已经忘的差不多了,找不到比较简洁清晰的解决办法。sed 与grep类似,先读入一行,删除\n,进行各种处理,最后写入文件,再添上\n。 N可以读入下一行到当前模式匹配空间再行处理。但是我需要对整个文件进行匹配,暂时未找到解决办法。
只好再次转投python。Python有自己的re模块,应该没问题。re.sub可以进行替换。费了些时间的,是对中文的匹配。在vim中,可 以用[^\x00-\xff]匹配双字节字符,然而python中却行不通。经过一番google,发现可以用[\x80-\xff]匹配汉字(perl 同此,似乎两者对中文的正则支持还是有待改进)。
至此,问题初步解决:
07 |
if __name__ = = '__main__' : |
09 |
print 'usage: filename' |
11 |
fh = open (argv[ 1 ], 'r' ) |
13 |
out = re.sub( '\n([\x80-\xff])' , r '\1' , content) |
规范行首:
07 |
if __name__ = = '__main__' : |
09 |
print 'usage: filename' |
11 |
fh = open (argv[ 1 ], 'r' ) |
13 |
out = re.sub( ' +([\x80-\xff])' , r ' \1' , content) |
当然,下载来的文档通常是GB2312,需要自己转换为utf8再行处理,可以参考我的《python 中文编码笔记》
在win下,有个优秀的文本处理工具可以利用,叫cnbook。在百度的fmddlmyy贴吧可以下载到最新版本。