今天幫同學處理一點語料。

語料文件有點大，而且是以連續兩個換行符作為段落標誌，他想把它按段落分隔成多個小文件。即每3個段落組成一個新文件。因為曾經沒有遇到過類似的操作，在網上找了一些類似的方法，看起來都有點復雜。

所以經嘗試。自己寫了一段代碼。完美解決這個問題。
基本思路是，先讀原文件內容，並使用正則表達式。根據\n\n進行切片處理。結果為一個列表，當中每個列表元素都存放一個切片中的內容；然後創建一個寫文件的句柄；接下來遍歷切片列表，並寫入當前切片內容，推斷是否已經寫入了3個段落，假設不是，則繼續讀寫下一個切片，假設已經夠3個。則關閉之前的寫文件句柄，以不同的文件名稱又一次創建一個新的寫文件句柄，循環結束，等待讀寫下一個切片。

# -*- coding:utf8 -*- 
import re;
p=re.compile(‘\n\n‘,re.S);
fileContent=open(‘files/辦公室.txt‘,‘r‘,encoding=‘utf8‘).read();#讀文件內容
paraList=p.split(fileContent) #根據換行符對文本進行切片

fileWriter=open(‘files/0.txt‘,‘a‘,encoding=‘utf8‘);#創建一個寫文件的句柄
for paraIndex in range(len(paraList)):#遍歷切片後的文本列表
    fileWriter.write
 
(paraList[paraIndex]);#先將列表中第一個元素寫入文件裏
    if((paraIndex+1)%3==0):#推斷是否寫夠3個切片，假設已經夠了
        fileWriter.close(); #關閉當前句柄
        fileWriter=open(‘files/‘+str((paraIndex+1)/3)+‘.txt‘,‘a‘,encoding=‘utf8‘); #又一次創建一個新的句柄。等待寫入下一個切片元素。
註意這裏文件名稱的處理技巧。

fileWriter.close();#關閉最後創建的那個寫文件句柄
print(‘finished‘)；