如何从python中的文本文件中删除所有带有大写字母和数字和特殊字符的行以及所有长度超过10个字符的行

Question

我有一个包含荷兰语中所有现有单词的文本文件，我只需要具有特定数量字符的单词，没有任何数字或特殊字符或大写字母。 我尝试手动完成（可行），但大约有 40 万字 :) 所以我想使用 Python。 我对 Python 很陌生，找不到好的解决方案。 使用我的代码（远非最佳），我得到了结果，但还不够好。 有些单词似乎被中途拆分并连接起来，在某些行中，两个单词没有放在单独的行上（仅举几例我不想要的东西）。

我的问题：是否有一个简单的代码可以删除超过 10 个字符的单词，删除所有开头或包含 Cap 的单词，删除所有带有特殊字符的单词？ 谢谢大家。

我的代码：

import re

input_file = open("basiswoorden-gekeurd.txt", "r+")
output_file = open("word_crumble_wordlist.txt", "w")
filetext = input_file.read()
res_caps = re.sub(r"\s*[A-Z]\w*\s*", " ", filetext).strip()
res_dig = re.sub(r"\s*\d\w*\s*", "", res_caps).strip()
res = re.sub(r"[^a-zA-Z0-9\n\.]\w*\s*", "", res_dig).strip()

for line in res:
    if len(line) < 10:
        output_file.write(line)

词表的原文部分：原文：见数字和特殊字符

结果部分：结果：看起来不错，但“aaaaagje”这个词似乎是其他词的组合:) 怎么样？

另外：原始，将“aanbevolencomité AND aanbevolen”作为两个单独的单词放在两个单独的行中并且：参见“aanbevolencomitaanbevolen”

Answer 1

在这种情况下，找到匹配的单词可能会更容易，而不是删除不需要的单词，请考虑以下示例让file.txt内容为

Capital
okay
thisistoolong
okaytoo
d.o.t.s

然后

import re
with open("file.txt","r") as f:
    text = f.read()
for i in re.findall(r'^[a-z]{1,10}$',text,re.MULTILINE):
    print(i)

给出输出

okay
okaytoo

说明：我使用MULTLINE行模式，所以^和$表示行首和行尾，然后我找到包含 1 到 10 个小写 ASCII 字母的行。