从文本文件或网页中选择Unicode字符

Question

我能够对下页所示的梵文单词进行音节化。

https://gist.github.com/950405

但是我想做的是从以下网页中找到以“ह”开头的单词。

http://www.sacred-texts.com/hin/mbs/mbs12030.htm

如何使用python完成？

Answer 1

如果您的单词是Unicode字符串（收集在列表中的words ，则以下代码段将显示所有以"x"开头的单词

for word in words:
    if word.startswith(u"x"):
         print word

或者，如果您想获取以u"x"开头的所有单词的列表，则可以使用列表推导：

selected_words = [ w for w in words if w.startswith(u"x") ]