diff --git a/py/网络收集.py b/py/网络收集.py index 4a0db76..aa110a5 100644 --- a/py/网络收集.py +++ b/py/网络收集.py @@ -352,25 +352,26 @@ excluded_keywords = [ ] # 定义一个包含所有要提取的关键词的列表 -extract_keywords = ['1905', '凤凰卫视', '人间卫视', '亚洲卫视', '香港卫视', '神乐', '翡翠台', '凤凰香港', '凤凰中文', '凤凰资讯', 'AXN', 'AMC', '香蕉', '电影台', '大爱', '东森', 'MTV', +keywords = ['1905', '凤凰卫视', '人间卫视', '亚洲卫视', '香港卫视', '神乐', '翡翠台', '凤凰香港', '凤凰中文', '凤凰资讯', 'AXN', 'AMC', '香蕉', '电影台', '大爱', '东森', 'MTV', '华视', '中天', '天良', '翡翠台', '美亚', '星影', '纬来', '天映', '无线', '华剧台', '华丽台', '剧台', 'Movie', '八大', '采昌', '靖天', '美亚', '民視', '探索', '旅游', '影视2', '影视3', '中视', '豬哥亮', 'TVB', '东森', '公视', '华视', '寰宇', '戏剧', '靖', '龙华', '龙祥', '民视', '三立', '中视', '猪哥亮', '综艺', '新闻', '影迷', '影剧', '电视剧' # 在这里添加需要提取的关键词 ] # 读取文件并处理每一行 -import re -with open('2.txt', 'r', encoding='utf-8') as file: - lines = file.readlines() - -with open('2.txt', 'w', encoding='utf-8') as outfile: - for line in lines: - cleaned_line = re.sub(r'[^\w\s]', '', line) - lower_cleaned_line = cleaned_line.lower() - if any(keyword in lower_cleaned_line for keyword in extract_keywords): - if not any(keyword in lower_cleaned_line for keyword in [excluded_key.lower() for excluded_key in excluded_keywords]): - outfile.write(line) - +# 将排除关键词列表转换为正则表达式模式 +excluded_pattern = '|'.join(excluded_keywords) +# 将关键词列表转换为正则表达式模式 +pattern = '|'.join(keywords) +with open('2.txt', 'r', encoding='utf-8') as file, open('2.txt', 'w', encoding='utf-8') as 2: + #2.write('央视频道,#genre#\n') + for line in file: + if 'genre' not in line: + # 使用正则表达式检查该行是否不包含任何排除关键词 + if not re.search(excluded_pattern, line): + # 如果行中有任意关键字 + if re.search(pattern, line): + 2.write(line) ############################################################### import re