利用TextPro整理码表

hoss

在TextPro的正则表达式帮助中，其应用举例提到：

例四：有一个从“输入法生成器”反编译出来的拼音表，其中有单字的拼音，也有词组的拼音。现在希望把单字的拼音和词组的拼音分开。文件的格式是每行一个字或词组，行首是汉字或词组，其后紧跟拼音。

这里将用到正则表达式所定义的一个特殊符、两个通配符、一个重复指示符和一个替换表达式：

特殊符^：匹配行首。例如，“^他”匹配出现在行首的“他”字。

通配符\c：匹配任意汉字（不包括符号）。

通配符\~f：匹配任意单字节字符。[参考\f：匹配任意双字节字符（汉字或全角符号）。]

重复指示符+：表示前一“原子”至少匹配一次。

替换表达式\d：向后删除一个字符。

操作办法：用替换功能，查找“^\c\c+\~f+”，替换为“\d”，就得到了一份单字的拼音表，另存为“单字.txt”后，按Ctrl+Z（UNDO）撤消刚才的操作，再用替换功能，查找“^\c\~f+”，替换为“\d”，就得到了词组的拼音表，可另存为“词组.txt”。

分析：“^\c\c+\~f+”匹配行首以汉字开头，跟着一个以上的汉字，再跟着一个以上任意半角字符的行，也就是所有的词组行，替换为“\d”把这些行删除，得到的是单字的拼音表；“^\c\~f+”匹配以一个汉字开头，紧跟着一个以上任意半角字符，这些正好是单字的拼音行，删除后即得词组的拼音表。

同理，如果把单字去掉后，用查找“^\c\c\c+\~f+”替换为“\d”，将只保留双字词组。要在汉字和编码之间插入空格，则只需用“^\c+”替换为“\0 ”（注意：0后面跟空格）即可。

TextPro是免费软件，当前版本是5.1版，欢迎到“中华佛典宝库”网站的“软件工具”栏目中下载使用。

[ Last edited by hoss on 10-2-2005 at 10:50 AM ]

网管

哈！我一直都有使用ＴＥＸＴＰＲＯ，想不到其中文正规表达竟有此一功能，前几天我试了楼主所述的中文功能，果然非常好用。

我之前也有整理过类似的字及词混合码表，是使用ＥＸＣＥＬ来分词分字，不过目前看来是用ＴＥＸＴＰＲＯ是最快了的，比ＥＸＣＥＬ更快更简单。

类似ＴＥＸＴＰＲＯ的中文正规表达法，不知ＵＬＴＲＡＥＤＩＴ是否也可做做到呢，欢迎大家齐来研究。

ＴＥＸＴＰＲＯ目前好似还不支持ＵＮＩＣＯＤＥ，希望以后更新版有支持。