请教一個關於TXT文本分段的處理

scju · 发表于 2012-5-12 15:50:50

本帖最后由 scju 于 2012-5-12 15:53 编辑

文本如下，請教各位了==================

蛋
<table border="1" cellspacing="0"><tdbgcolor="#000000">基本词义</td></table>
<spanstyle="font-size:24.0pt">蛋 
<fontcolor=red>dàn 
(1) 禽类或龟、蛇等所产的卵 [egg]。如:蛋花(蛋汤煮熟后,凝成絮团似的许多小蛋块的俗称);蛋青色(指如鸭旦壳般的淡青色) 
(2) 骂人的话 [approbrious words]。(1)∶放在某些名词或形容词的后面,组成代表人的词。如:坏蛋;糊涂蛋。 (2)∶放在某些动词后面,使那个动作带有贬意。如:捣蛋;滚蛋;完蛋 
(3) 形状像蛋的东西 [an egg-shaped thing]。如:泥蛋儿;山药蛋;驴粪蛋儿;线蛋儿;脸蛋儿;蛋圆(像蛋一样椭圆形) 
 <tableborder="1" cellspacing="0"><tdbgcolor="#000000">常用词组</td></table>
*蛋白 
<fontcolor=red>dànbái 
(1) [scleroprotein] 
(2) 指一类纤维状的蛋白质(如骨胶原,角朊,丝纤蛋白),通常不溶于含水溶剂并且抗化学试剂 
(3) [egg white] 蛋清 
*蛋白质 
<fontcolor=red>dànbáizhì 
<fontcolor=red>*[protein] 一个很大类的天然存在的、氨基酸的极其复杂的结合物,含有碳、氢、氮、氧,通常还有硫,偶尔有磷、铁或其它元素,是动植物活细胞的必需成分,也是动物膳食的必需成分 
*蛋粉 
<fontcolor=red>dànfěn 
*[eggpowder;powdered egg] 将蛋烘干制成的粉末 
*蛋糕 
<fontcolor=red>dàngāo 
*[cake] 由鸡蛋、面粉以及糖、油等制成的一种松软的糕点 
*蛋羹 
<fontcolor=red>dàngēng 
<fontcolor=red>*[steamed egg custard] 鲜蛋去壳打成糊状,加入适当的水和佐料,蒸成的食物 
*蛋黄 
<fontcolor=red>dànhuáng 
*[eggyolk] 为禽鸟或爬行动物的卵的内部贮藏养料、呈黄色的球形物体,其外围为蛋白 
*蛋鸡 
<fontcolor=red>dànjī 
*[layer]生蛋的鸡 
*蛋卷 
dànjuǎn 
*[eggroll] 以鸡蛋面团制成卷筒,内填切碎的蔬菜,放在深油锅中炸熟 
*蛋壳 
<fontcolor=red>dànké 
*[shell]蛋(尤指鸟或家禽蛋)的硬壳 
*蛋品 
dànpǐn 
*[eggproducts] 各种蛋类和各种蛋类食品的统称 
*蛋青色 
<fontcolor=red>dànqīngsè 
*[paleblue;egg white] 像青鸭蛋壳的颜色 
*蛋清 
<fontcolor=red>dànqīng 
*即蛋白 
</>

=================

1.若要在(2)、(3) ....項目等以此類推(綠圈處)，前面各空一行，方便辨識，又希望不影響到(2)後面的子項目(1) (2)(藍圈處)，該怎麼做呢？

2.同樣地，希望在常用詞組下，有紅色星號的「蛋白」、「蛋白质」等詞條前各空一行，又不影響到同一詞條中，有紅色
星號的英文（如protein）等，該怎麼做呢？

感謝了！

dingweifengye · 发表于 2012-5-12 19:27:36

在Emeditor里替换（勾选正则）：

查找：\n\([^1]+\)
替换：\n\0

复制代码

hekiaa · 发表于 2012-5-12 19:31:16

本帖最后由 hekiaa 于 2012-5-12 19:32 编辑

来学习一下。

scju · 发表于 2012-5-12 23:21:34

dingweifengye你好
使用後如下，雖然目前看起來有空行，但可能是因為沒有 之類語法代碼的關係，轉換成MDX仍是沒有空行的，可否再調整一下，謝謝。

--------------------------------
蛋
<table border="1" cellspacing="0"><td bgcolor="#000000">基本词义</td></table>
蛋 
dàn 
(1) 禽类或龟、蛇等所产的卵 [egg]。如:蛋花(蛋汤煮熟后,凝成絮团似的许多小蛋块的俗称);蛋青色(指如鸭旦壳般的淡青色) 

(2) 骂人的话 [approbrious words]。(1)∶放在某些名词或形容词的后面,组成代表人的词。如:坏蛋;糊涂蛋。 (2)∶放在某些动词后面,使那个动作带有贬意。如:捣蛋;滚蛋;完蛋 

(3) 形状像蛋的东西 [an egg-shaped thing]。如:泥蛋儿;山药蛋;驴粪蛋儿;线蛋儿;脸蛋儿;蛋圆(像蛋一样椭圆形)

dingweifengye · 发表于 2012-5-12 23:32:45

4# scju

替换更改为： \n\0

复制代码

scju · 发表于 2012-5-13 00:50:59

dingweifengye兄
感謝
問題已經解決了

現在關於另一個部分，有沒有可能讓綠圈的前面也空一行，但不要影響到藍圈（因為屬於同一詞條），麻煩了。

---------------------

 <table border="1" cellspacing="0"><td bgcolor="#000000">常用词组</td></table>
*蛋白 
dànbái 
(1) [scleroprotein] 

(2) 指一类纤维状的蛋白质(如骨胶原,角朊,丝纤蛋白),通常不溶于含水溶剂并且抗化学试剂 

(3) [egg white] 蛋清 
*蛋白质 
dànbáizhì 
*[protein] 一个很大类的天然存在的、氨基酸的极其复杂的结合物,含有碳、氢、氮、氧,通常还有硫,偶尔有磷、铁或其它元素,是动植物活细胞的必需成分,也是动物膳食的必需成分 
*蛋粉 
dànfěn 
*[egg powder;powdered egg] 将蛋烘干制成的粉末 
*蛋糕 
dàngāo 
*[cake] 由鸡蛋、面粉以及糖、油等制成的一种松软的糕点 
*蛋羹 
dàngēng 
*[steamed egg custard] 鲜蛋去壳打成糊状,加入适当的水和佐料,蒸成的食物 
*蛋黄 
dànhuáng 
*[egg yolk] 为禽鸟或爬行动物的卵的内部贮藏养料、呈黄色的球形物体,其外围为蛋白 
*蛋鸡 
dànjī 
*[layer] 生蛋的鸡 
*蛋卷 
dànjuǎn 
*[egg roll] 以鸡蛋面团制成卷筒,内填切碎的蔬菜,放在深油锅中炸熟 
*蛋壳 
dànké 
*[shell] 蛋(尤指鸟或家禽蛋)的硬壳 
*蛋品 
dànpǐn 
*[egg products] 各种蛋类和各种蛋类食品的统称 
*蛋青色 
dànqīngsè 
*[pale blue;egg white] 像青鸭蛋壳的颜色 
*蛋清 
dànqīng 
*即蛋白 
</>

dingweifengye · 发表于 2012-5-13 11:00:53

6# scju

你说的意思是类似(2)下面的(1)∶与(2)∶需加上空行吧。

查找： \(\d+\)∶
替换： \n \n\0
注意查找里面的符号“：”与源文本一致，复制粘贴过来就行了。

复制代码

另外，没看清楚你的帖子有两个问题，对于提的第二问题可以这样做：

查找： \*[\x{4e00}-\x{9fa5}]+
替换： \n\0

复制代码

scju · 发表于 2012-5-13 12:03:33

感謝dingweifengye

再問一下，關於問題1，有些詞條的解釋在10項以上，似乎就沒有空行了(綠圈處)，可否幫忙修正~

[img][/img]

dingweifengye · 发表于 2012-5-13 12:29:09

8# scju

这个是以1开头的两位数都没替换，用下面处理下就可以了。

查找：\n\(1\d\)
替换：\n \0

复制代码

scju · 发表于 2012-5-13 13:54:25

本帖最后由 scju 于 2012-5-13 14:00 编辑

dingweifengye
感謝，幾乎已經都解決了，剩下一點小問題：

下圖綠圈處沒有空行到，估計是句中的逗點和刪節號，能否再修一下，非常感謝～

*无名氏 
wúmíngshì 
*[anonymous people;anonymous person] 不愿公布姓名或查不出姓名的人 
*无名帖，无名帖儿 
wúmíngtiě,wúmíngtiěr 
*[anonymous note (for attacking or threatening);anonymous letter written to attack or threat sb.] 攻讦或恐吓别人的不具名的帖儿 
 
*无名小卒 
wúmíng xiǎozú 
*[nowhere;nobody] 指没有名气的人 
 

*半班 
bànbān 
*[half shift] 值班时间只有通常一半的值班 
*半…半… 
bàn…bàn… 
*[used before a pair of antonym, indicating the co-existence of the two] 分别用在意义相反的两个词或词素前面,表示相对的两种性质或状态同时存在,相当于“既…又…” 
例 半文半白(白话里面杂着文言) 
例 半明半暗 
例 半信半疑 
例 半吞半吐(说话含糊不清,不直截了当) 
 
*半半拉拉 
bànban-lālā 
*[incomplete;unfinished] [口]∶未完成或不完全 
例 事情做个半半拉拉的,你怎么就要走?

dingweifengye · 发表于 2012-5-13 14:25:12

本帖最后由 dingweifengye 于 2012-5-13 14:33 编辑

10# scju

用下面处理下就可以了：

查找： \*[\x{4e00}-\x{9fa5}].*?
替换： \n\0

复制代码

第二个问题的替换用上面的就可以了，如果你是在此时的源文本上处理，以前替换过的会重新替换，在文本中会出现两行 ，此时用下面的处理下就只剩一行 。

查找： ^ \n
替换：

复制代码

scju · 发表于 2012-5-13 16:03:21

11# dingweifengye
感謝大俠相助，終於處理完畢。也上傳和各位分享{:soso_e100:}

http://115.com/file/dpbf6z85#高級漢語詞典.mdx

[求助] 请教一個關於TXT文本分段的處理