热度 5
点击“全部提取”按钮,会出现一个新的文本,如下图所示:
这时候就可以来观察一下,有没有共性的内容,上述截图中,我们可以看到,PS前面会带有空格,PS后面截止到回车符(截图中的下箭头标记)部分,全部是求票类信息,都是可以去掉的!
然后我们可以在新文本中用正则表达式来测试一下去除废物内容是否可行,如下图所示:
在查找输入框中输入 (冒号之后的内容):[ ]{4}[ps]{2}.*
然后点击“查找全部”按钮,看是否有效?请注意,务必要仔细检查,谨防删除了正文内容!切记切记!不然到时候哭都没地方哭滴!
确认无误后,点击“替换”按钮,将其替换为“”(空)即可。
在点击“替换全部”按钮之前,保险起见,请回到原文,利用这个正则表达式再次搜索,并提取全部,然后查找全部再次检查!确认没问题后就可以点击“替换全部”一次性清理掉这些广告内容了。
请注意:如果发现有不满足条件的,先行找到该地方,用其他内容暂时替换一下,再清除了废物内容后再替换回来即可!
上述正则表达式的含义为:[ ]这个表示单个空格,{4}这个表示有4个,对应截图中“PS”标记前的空格;[ps]{2}表示以下几种情况(pp、ss、ps、sp),在不特别标注的情况下,正则表达式忽略大小写的区别;后面的.*则表示任意多个字符,截止到终止符为止(这里是硬回车符,也就是截图中的下箭头)。
当然,文本的PS信息可能有很多种不同的变化形式,例如:【PS】、P.S等等,无论哪种变化形式,都可以找出其对应的规律,然后用正则表达式进行处理。
正则表达式的范畴很广,这里就不一一列举了,针对常见的情况简要的说明一下,一般来说,用[]这个符号包含待搜索的字符;用{2}这个符号标识字符的个数(中英文无差异,即一个汉字等价于一个字符,数字代表了个数,自己去数一下就行了,呵呵);[0-9]这个表示从数字0到数字9,顺序任意;[a-z]这个表示字符a到字符z,顺序任意(大小写无所谓),有兴趣的朋友可以百度一下常用的正则表达式,自己多试一下,呵呵。
同理,可以用上述方法处理另一类较常见的广告信息:未完待续,大家可以自行试验一下,呵呵。
下一篇我们会谈一下使用TF进行文本校对,也就是俗称的“软校”。
|Archiver|手机版|小黑屋| ( Q群816270601 )
GMT+8, 2024-5-4 15:35 , Processed in 0.146346 second(s), 24 queries .
Powered by Discuz! X3.2
© 2001-2013 Comsenz Inc.