命令如何查找有中文字符的行

nttwqz

python 3.10.4，简单试了一下，可用。

20220519
更新下，增加chardet检测文件编码，简单测试下，常见的ANSI、UTF-8、Unicode识别正常，其它编码未知。

1. # -*- coding: utf-8 -*-
   
2. # Python 3.10.4
   
3. # chardet是第三方库，需要在cmd中输入pip install chardet手动安装
   
4. 
   
5. import os, re
   
6. from chardet.universaldetector import UniversalDetector
   
7. from tkinter import filedialog
   
8. 
   
9. with filedialog.askopenfile(filetypes=[('文本文件', ['*.txt', '*.log']), ('所有文件', '*.*')]) as f:
   
10.     txtfile = f.name
    
11.     fname, fext = os.path.splitext(f.name)
    
12. 
    
13. # 使用 chardet 库判断文件编码
    
14. with open(txtfile, 'rb') as f:
    
15.     u = UniversalDetector()
    
16.     for i in f:
    
17.         u.feed(i)
    
18.         if u.done:      # 当识别出编码后，done的值为True，否则为False
    
19.             u.close()
    
20.             current_encoding = u.result['encoding']
    
21.             break
    
22.     if not u.done:
    
23.         current_encoding = input('无法识别文件编码，请手动输入：')
    
24. 
    
25. with open(txtfile, mode='r', encoding=current_encoding) as f:
    
26.     print('查找文件 {} 中所有含中文的行\n'.format(os.path.abspath(f.name)))
    
27.     sclines = ''
    
28.     for line in f:
    
29.         if re.search(r'[\u4e00-\u9fff]', line):
    
30.             sclines += line
    
31. 
    
32. # 生成含中文行的新文件，文件编码与源文件保持不变
    
33. if sclines != '':
    
34.     with open('{}_含中文的行{}'.format(fname, fext), mode='w', encoding=current_encoding) as f:
    
35.         f.write(sclines)
    
36.         print('含中文的行已写入到新文件：\n{}\n\n'.format(os.path.abspath(f.name)))
    
37. else:
    
38.     print('该文件不含中文！\n')
    
39. 
    
40. os.system('pause')

复制代码

nttwqz

szwp 发表于 2022-5-19 12:13
findstr /r /c:"[^- '!-Z]" text.txt

还有高手！

请教下^- '!-Z的含义？我只是个卖唱的，只知道0-9a-z的含义。。。

nttwqz

bjay2008xmy 发表于 2022-5-20 10:21
难道不是ascii码，-到'和!到Z吗

'前面为什么有空格？

nttwqz

dos时代菜鸟 发表于 2022-5-21 10:08
还是要搞个 非中文的 字符集，做排除用。 比如英文的字符集

我曾经就有个奇葩的想法，把GBK中的所有中文相关字符都弄到一个记事本中用来匹配。。。

nttwqz

dos时代菜鸟 发表于 2022-5-21 22:05
这也是个思路

尽量少在for中使用call，遍历内容较少时没什么，多的时候很影响效率，你用for /l直接echo和call方式echo一试便知。

nttwqz

dos时代菜鸟 发表于 2022-5-22 10:04
用call 主要用到 exit /b
如果 直接用 for ，就得用 goto

那就用goto跳出for循环。
你觉得用了call貌似觉得提高了效率，很可能效率反而更低。实际使用中，谁也不可能每次都测试不同写法的执行效率，所以还是少用为好。而且，你这也没到了需要权衡利弊到底用不用call的时候，完全可以不用。

1000时，不用call用时60毫秒，用call用时2120毫秒，是不用call的35倍。

1. 10:59:54.53
   
2. 10:59:54.59
   
3. 10:59:56.71
   
4. 请按任意键继续. . .

复制代码

1. @echo off
   
2. 
   
3. echo;%time%
   
4. for /l %%a in (1 1 1000) do (
   
5.     echo;%%a
   
6. )>nul
   
7. echo;%time%
   
8. for /l %%a in (1 1 1000) do (
   
9.     call :echoecho %%a
   
10. )>nul
    
11. echo;%time%
    
12. pause
    
13. 
    
14. exit
    
15. 
    
16. :echoecho
    
17.     echo;%~1
    
18. goto :eof

复制代码

nttwqz

还是我以前想的方法简单

pushd %~dp0
findstr /i /g:GBK汉字.txt a.txt

GBK汉字.txt从网上搜集并整理，2万+汉字，删除了部分变成英文？并且英文？能匹配的“汉字”，有精力和条件的或者需要结果特别严禁精确的可以进一步整理，不过个人感觉，一般用途足够了，毕竟常用汉字才几千个。


GBK汉字.txt下载
GBK汉字_findstr匹配适用_GBK.7z (10.48 KB, 下载次数: 1)

2022-5-22 13:11 上传

点击文件名下载附件
下载积分: 无忧币 -2