|
|
发表于 2016-4-30 23:06:32
|
显示全部楼层
本帖最后由 LYX1692 于 2016-5-1 00:13 编辑 , {# V( O% @* y8 E; d( Q. y
4 `. @* ?5 l1 D- ~, V
将每个例句以新行开头，<a>里的MP3，将它变成可显示的文字。如这样：
9 U- A3 \$ m5 Z2 H" h<span class="example" style="display:block">㊣【sound://exa/ame/e/p032-000480813.mp3】 Continue mixing, then add flour.</span><span class="example" style="display:block">㊣【sound://exa/ame/9/p032-000063988.mp3】 Do you want to <span class="colloinexa">add</span> your name <span class="colloinexa">to</span> the mailing list?</span></span>' w6 h. ] J. `6 L2 }1 |3 w9 `
: A5 X- A( \. ^: M
然后，不需要再用源码处理了，保存为htm网页格式。! N# [9 E% d# U. M4 z" O
如果文件小，直接就用浏览器打开，复制粘贴。+ e7 f0 b9 k2 u9 W) D
如果文件有上百MB，浏览器可能打开困难，就算打开了，复制粘贴也可能出现内存不够等各种问题，取决于你的机器。
& J$ i; S( M/ i% P这里推荐TextForever这么个工具，它可以将大体积的网页转换为纯文本，转换出来的文本就是这样的：
. Q H6 K+ k. N( c, t㊣【sound://exa/ame/e/p032-000480813.mp3】Continue mixing, then add flour.' d# @9 U' w9 R; O( X' O; w4 R
㊣【sound://exa/ame/9/p032-000063988.mp3】Do you want to add your name to the mailing list?# e8 J+ V* T- a8 m
7 }9 o! @& G: {' W, r: J2 J
这是比较方便的方法。
9 V: ?& y. i) e) l/ u（例句前面我用个“㊣”字，因为这样便于后面操作，^[^㊣]+$，这样就可以将所有不含㊣字符的行数一并清除，剩下有㊣字符的，就是你想要的。）
5 S, g4 h4 x0 ~: F（PS. ^[^㊣]+$，这只是清除不含㊣字符的行内容，而不清除行。如要清楚行，可用 ^[^㊣]+\n。只是个人不喜欢直接删除行，因为我的机器一般，处理大文件时，直接删除不要的行较慢，反倒先清除行内容，再删除重复行比较快。）3 B/ e% P6 h4 w% ~5 j4 d( c
+ R- ^7 s. {: n+ h2 {正则也可以。
/ v$ a8 M1 ]- N3 {如果让我用正则，我就这么做。5 t' \7 {. X: m+ O
1 将<span 替换为 <死笨；将</span>替换为</死笨> （提前确保文本中本身没有“死”“笨”两个字，看你的文本，应该是纯英文的。或者替换为其他字符也行。如：★☆※◆◇●○，我一般喜欢用一些少见的汉字，如“䗠臕䀀潴䌁䕴䯔囲媝”，就算是中文，出现的概率很小。当然，为防万一，我也会先检查下）
" X; j# a X: {7 b4 \7 O2 将 class="example" 替换为 class="㊣" （提前确保文本中本身没有“㊣”字符。）
. L7 m1 B$ m0 J3 然后正则查找： <死笨[^㊣|>]+>([^死]+)</死笨>% ?: P. u% C9 @2 i k' ?, c
替换为：\16 |/ x* E9 V4 i( Y1 }
（这正则的意思就是，将class非"example"的<span>，去掉标签首尾，只保留标签内容。多查找替换几次，直到没有符合条件的文件即可。）
$ W4 \; W( Y6 K5 w9 ~/ C% {4 最后省下的就是class="example"即class="㊣"的<span>了。
0 |0 i; ~% ^. j8 `$ _5 当然，可能还有其他情况，如里面套的是<b>或者<i>标签等，这就看具体情况了。9 g: _) \# M9 ?6 k1 \( m, _
6 X3 r9 @9 e' H' E（你这文本格式并不复杂，也可省略第1步，从第2步做起，然后第3步查找：<span[^㊣|>]+>([^<]+)</span>，替换为：\1）
: M2 a7 q6 R6 f) e' j（具体操作视你的具体情况而定，主要用到的知识就是如何用正则来表示“非”。[^㊣]，就是非㊣的字符。[^㊣|★]，就是就是非㊣也非★的字符。）
7 G2 w7 f# X4 F
1 V* S% B0 T+ a4 E# e& x因为你只是要纯文本，我还是推荐一开始的方法，方便很多。 |
|
发表于 2016-4-30 20:20:47
楼主
