学步园

为了学习英语，我把从网上下载下来的电影转换成纯MP3文件，放到iTouch里去了，这样就可以直接练习听力了，另外把下载下来的字幕也放进去，听不懂的时候可以看，但有一个问题，网上载下来的字幕格式都如下所示：

 7<br /> 00:01:44,789 --> 00:01:51,019<br /> 片名：当幸福来敲门 / 追求幸福</p> <p>8<br /> 00:02:49,469 --> 00:02:52,839<br /> 马上来了<br /> Should be here soon.</p> <p>9<br /> 00:03:38,819 --> 00:03:41,189<br /> - 我想我该列个表 - 干嘛？<br /> -I think I should make a list. -What do mean?</p> <p>10<br /> 00:03:41,189 --> 00:03:43,789<br /> - 想要的生日礼物？ - 对呀<br /> -For your birthday gifts? -Yeah.

如上，但存在两个问题：1、每一句前面都带有数字编号；2、带有时间戳；

我只想要里面的中英文文本，数字编号和时间戳都不需要。由于最近正在学习Python当然首先就想到了做个Python脚本来把时间戳和编号删掉。实现很简单，基本思路就是使用正则表达式匹配，把空行、纯数字行及带有“-->”的行删掉，然后再先回文本文件。

完成后的代码如下：

# -*- coding: utf-8 -*-</p> <p># code=cp936<br /> import string, re</p> <p>title_txt = open('I://pursuit_for_happiness(ch).txt', 'r+')<br /> try:<br /> full_txt = title_txt.readlines()<br /> regex1 = "/A/d*[/n]/Z"<br /> regex2 = "/d --> /d"<br /> #print full_txt<br /> new_txt = []<br /> for line in full_txt:<br /> #print line<br /> if re.match(regex1, line) or re.search(regex2, line):<br /> #print "match", line<br /> continue<br /> else:<br /> new_txt.append(line)</p> <p> title_txt.seek(0)<br /> title_txt.truncate(0)<br /> #for line in full_txt:<br /> # title_txt.writelines(line)<br /> title_txt.writelines(new_txt)</p> <p>finally:<br /> title_txt.close()</p> <p>print "Over"

过程中遇到一个问题：

1、Python中没办法清空一个文件，乱看了一通，发现使用truncate()方法，传入参数为0时可以搞定。

2、开始的时候直接使用for遍历list中的元素，匹配到就删除，发现需要执行多次脚本才能删完，且有些还始终删不掉，最后终于搞明白了：使用for i in list:时，如果一匹配到就删除，则此时list中的元素会改变，进入循环的下一轮时不出问题才怪。造孽，花了近一个小时才把这个问题搞定了。于是重新定义了一个空链表new_txt，使用它来存储我要的字幕，循环完成后把new_txt写回文件。大功告成！

爽，拷到我的iTouch里，开始学习英语了！