Question

求助 如何快速批量找出txt文件中的所有4字词（可以用正则表达式）

各位前辈，小人菜鸟，要处理几万词，我现在要一个一个的手动处理，累的我sb呵呵的。请大家帮帮忙。支小弟一招。内容如下
我有一个txt文本文件，里面有几万个汉语词。词和词之间都用空格隔开。
我想用一个办法 把里面的4个字的词一次都找出来。并输出一个新的txt文件。
但要求4字词原来在第一行，输出后还要在第几行，没有4字词的行就空行代替
最好能用这样的正则表达式
\\w+@(\\w+\\.)+[a-z]{2,3} 抽取邮箱
^[1-9]\d{7}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}$ 抽取身份证号

例如
国民 黎民百姓 人民 全民 布衣
众生 民众 群众 千夫 万众 公众
老少 老老少少 老小 白叟 黄童 大大小小

输出
黎明百姓
（空行）
老老少少 大大小小

找完4字词后，有没有一个办法能再找出所有非四字词

Answer 1

这个用正则提取并不难。我这里用的软件是EmEditor
先用正则表达式查找:^
替换成：★（这个随便，△，○都行）
提取串：^(.{5})( )|★|( )(.{4})( )|( )(.{4})$
提取出来的是4个字的，然后把★替换掉就行了。
2个字的，可参照上面的。

追问

老师你好
现在只是标绿了 我不会提取 能指教一下吗？
还有 这个连3字词和两字词也标注出来了。

Answer 2

查找：((^| +)([\u4E00-\u9FA5]{5,}|[\u4E00-\u9FA5]{1,3})(?=$| +)|^((?!(?:^| +)[\u4E00-\u9FA5]{4}(?:$| +)).)+$)
替换为空

瑕疵：行首可能留有空格，欲求完美，可自行批量删除，应该会吧？
探讨：有个很关键的事儿就是“什么叫汉字”，看你的例子全是GBK集合（收编了21000多个）的，如果想包含中日韩超大字符集的汉字（目前已编码76000多个），则[\u4E00-\u9AF5]的写法需要扩充，有兴趣的话，可以找一找我回答过的相关问题。

另：“找出所有非四字词”是啥意思？是“删除所有四字词，只留下非四字词”吗？估计第一个问题解决了，应该能够启发你自己搞定，若不成，再追问。