巧用NotePad++ 做文本处理

利用Notepad++处理文本，其中涉及文本的合并，去除空行，插件安装，查找与替换等。

首先，批量处理文本，也就是把所有的语料放到一个txt文档中。很好办，cmd命令下输入如下操作符就可以了。（表示把E盘目录下Camera文件下的所有东西都写入到Camera.txt文档中，Camera.txt自动创建的。）

 

如果操作成功，则显示如下：

 

 

然后到E盘Camera.txt中查看就行了。（Notepad++ 打开）

然后就是文本的处理的，发现文本中含有如图红线所示的东西，那么就去掉吧！

选择“搜索”---“替换”，先从简单的开始。

 

下面替换部分敲“空格”就OK了。这样就依次把<DOC> </DOC><TEXT>等去掉了。

 

剩下的就是比较复杂点的<DOCID>*****</DOCID>，因为****部分是变化了，所以使用正则表达式处理。如图：

 

 

这样就把所有不相干的东西处理掉了！如图：干净了很多了。

 

最后就是处理文档，按照“。”、”！“，”？“等标示句子结束的符号进行分句。好办，不用写程序，还是用NotePad++ 啦！

点击“搜索”———“替换”（跟刚才一样）

 

查找目标部分写入“。”“？”等等，一次处理一个吧！替换部分输入“\r”表示换行。

切记：下面一定要勾选“扩展”，然后“全部替换”。就OK了！其他符号也是这么处理滴。看看效果：

 

已经分好行了，但是还有很多空白行，十分不美观。下面就是处理空白行了。这个得安装一个叫textfx的插件。

把压缩包中的文件放到Notepad++安装目录下的plugins目录下，然后重启NotePad++，就出现了。

 

 

首先，选择如图（表示去除多余的空格）：

然后，CTRL+A，全选，

 

选择，TextFX----TextFX Edit---Delete Blank Lines 就行了。

最后效果如下：