从文件中分离英文文本和非英文文本

Question

我有一个 .csv 文件，我想将非英文文本和英文文本分隔在两个不同的文件中。 下面是代码，我试过了：

  import string
  def isEnglish(s):
      return s.translate(None, string.punctuation).isalnum()
  file=open('File1.csv','r',encoding='UTF-8')
  outfile1=open('Eng.csv','w', encoding='utf-8')
  outfile2=open('Noneng.csv','w', encoding='utf-8')
  for line in file.readlines():
       r = isEnglish(line)
       if r:
          outfile1.write(line+"\n")
       else:
          outfile2.write(line+"\n")

该代码没有产生预期的结果。 两个文件中都有重复的英文文本。 我附上了一个 output 文件的快照。

Answer 1

您忽略了提及代码会产生以下结果：

TypeError: translate() takes exactly one argument (2 given)

请您阅读精美手册： https://docs.python.org/3/library/stdtypes.html#str.translate

该文档提供了一个相当大的提示，您应该调用str.maketrans(... )来创建所需的翻译 map。 这将帮助您识别严格为字母数字的输入字符串。

translation_table = str.maketrans('', '', string.punctuation)