python：如何从多个目录的多个文件中替换或删除所有繁体中文字符串

Question

我尝试将所有中文字符串替换为“＃”，但似乎不起作用

import os,re
path = 'F:\\project\\test'
files = []
# r=root, d=directories, f = files
for r, d, f in os.walk(path):
    for file in f:
        files.append(os.path.join(r, file))
for file in files:
    with open(file, 'rb') as infile:
        while True:
            content = infile.readline()
            if re.match(r'(.*[\u4E00-\u9FA5]+)|([\u4E00-\u9FA5]+.*)', content.decode('utf-8')):
                print(content.decode('utf-8'))
                content.decode('utf-8').replace(content.decode('utf-8'),"#")
                print(content.decode('utf-8'))

我发现一些代码可以获取中文或非中文txt，例如（但我不知道要使用什么）

def find_chinese(str):
    pattern = re.compile(r'[^\u4e00-\u9fa5]')
    chinese = re.sub(pattern, '', file)
    print(chinese)

def find_unchinese(str):
    pattern = re.compile(r'[\u4e00-\u9fa5]')
    unchinese = re.sub(pattern, "", file)
    print(unchinese)

str = "2019年1月3日 - python去除空格和换行符的方法 一、去除空格 strip().strip() # ...用replace('\',''),后边的串替换掉前边的posted @ 2016-07-18 08:53 ..."
# get unchinese
find_unchinese(str)
# get chinese
find_chinese(str)

Answer 1

1. python字符串是immutable，因此替换内容会创建一个具有不同内容的新字符串，它将无法就地工作

2. 与上面的内容相关，一旦您从文件中读取了不再是真正相关的字符串，如果要修改文件，则需要在某个时候写回它（如果您不这样做，则继续）

3. 如果您假设仅使用utf-8文件，则可以使用“ encoding ='utf-8'”并从模式中删除b标志，Python会对其进行编码和解码自己的

4. [content.replace(content, "#")表示您要用单个#代替整行，而不仅仅是CJK数据

5. regex模块支持静态搜索和替换，使用静态替换或回调函数：re.sub（其中“ sub”表示“替代”）

6. 也不确定为什么要收集一大堆文件中的所有文件，然后才执行替换，为什么不在os.walk迭代中考虑？

7. 请注意，您指定的范围只是BMP CJK范围，自（CJK Unified Ideographs扩展名A至F）已经有6个“星号”扩展名，并且目前正在计划第7个扩展名，更不用说BMP（U + F900–U + FAFF）内的旧“兼容性”范围

8. 也不确定为什么您不会达到U + 9FFF，这是范围的实际终点，尽管目前尚未分配U + 9FF0及更高版本