Question

python如何实现提取文本中所有连续的词语

txt文本内容如下：

单一结构
象形字
不是槌的打击
乃是水的载歌载舞
使鹅卵石臻于完美
渐臻佳境
日臻完善
左右结构
友谊的主要效用之一就在使人心中的愤懑抑郁之气得以宣泄弛放
这些不平之气是各种的情感都可以引起的

以上内容是随机爬取的。请问如何用python实现提取里面所有连续的两个字。比如从“单一结构”中依次提取：单一；一结；结构。然后将结果逐行输出到另一个问本中

Answer 1

需要对每一行都作此处理吗？
比如：你的前两行：
单一结构 ： 单一；一结；结构
象形字 ： 象形；形字；
是这样吗？

追问

嗯嗯，文本大概有110M，我只是复制了一部分。我需要对整个文本进行这样的处理，尽量多的提取两个字，三个字，四个字，麻烦您了！

追答

# !/usr/bin/env python 3
# encoding: utf-8


def split_line(line,n):
    if len(line) <=n:
        return line
    else:
        s = ""
        for i in range(len(line)-n+1):
            s += line[i:i+n]
            s += ";"
        s += "\n"
        return s


if __name__ == '__main__':
    # 词组长度
    seq_len = 2
    # 读取文件路径
    path = "./test.txt"
    file = open(path,'r',encoding='utf-8')
    # 保存结果路径
    result_path = "./result.txt"
    result_file = open(result_path,'w',encoding='utf-8')
    for line in file:
        temp = line.strip()
        result_file.writelines(split_line(temp,seq_len))
    #  关闭文件
    file.close()
    result_file.close()

# 我用你给的文本做了测试；下面是输出
单一;一结;结构;
象形;形字;
不是;是槌;槌的;的打;打击;
乃是;是水;水的;的载;载歌;歌载;载舞;
使鹅;鹅卵;卵石;石臻;臻于;于完;完美;
渐臻;臻佳;佳境;
日臻;臻完;完善;
左右;右结;结构;
友谊;谊的;的主;主要;要效;效用;用之;之一;一就;就在;在使;使人;人心;心中;中的;的愤;愤懑;懑抑;抑郁;郁之;之气;气得;得以;以宣;宣泄;泄弛;弛放;
这些;些不;不平;平之;之气;气是;是各;各种;种的;的情;情感;感都;都可;可以;以引;引起;起的;