Python使用正则表达式检查书稿中不应该出现的重复字

问题描述:在编写书稿和反复修改书稿时,很容易有多字的情况,例如“用户的的资料”、“需要需要用户输入”,这些不小心的错误用肉眼很难完全发现。但是设定好规则之后,代码是可以非常忠实地完成这个任务的。首先使用代码发现可疑字词,然后再人工确认,可以大幅度提高工作效率。

技术要点:1)正则表达式中[]表示范围;2)正则表达式元字符\num表示序号为num的子模式,其中整个正则表达式序号为0,第一个子模式序号为1,以此类推;3)正则表达式元字符?表示前面的字符可以出现也可以不出现;4)常用汉字的Unicode编码范围为\u4e00-\u9fa5;5)Python扩展库python-docx用来读写Word文档。

参考代码:

运行结果:

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180419G1W77R00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券