[python] 정규식 한문 제거

python 정규식 한문 제거

이전에 파이썬으로 정규직이었는데 숫자를 제거를 하고 영문을 제거를 하고 이러한 것들 혹은 어떤 특정한 특수문자 사이에 있는 문자만 가지고 올 수 있는 기타 등등으로 정규식 관련됐었던 것들을 아까 말씀을 드렸었는데요. 이번에 아까 파이썬으로 아까 말씀드리는 거는 한문을 제거할 수 있는 정규식입니다. 제가 고전 문학과 관련했었던 것들을 보고 있었었는데 거기에 한 문이 너무 많더라고요 한문을 쫙 다 빼고 오로지 한글과 관련됐었던 것들을 보려고 하고 있었어요. 그랬는데 그래도 한문이 너무 많다. 보니까 만들었던 코딩이 바로 이겁니다. 

 

이거를 만들어 놨었었는데 거의 웬만한 정규식이 있고 코딩을 사용을 해보면 한 문이 다 제거를 해서 나오긴 해요. 어느 정도 좋은 점도 있긴 하지만 완벽하게 다 환문을 제거하지는 않습니다. 그게 아쉽더라고요 화면을 다 제거를 하면 좋을 텐데 제거를 못 하다 보니까 결국은 다른 방법으로 쓰기는 했는데 그리고 쓰는 이유가 따로 있었어요. 왜 한문 이거를 제거를 전기식으로 제거를 하려고 했느냐라는 게 왜 그러냐면 웹사이트에서 크롤링을 하지 않습니까?

 

크롤링을 아까 할 때 특히 셀레늄이죠. 글 쓸 때 크롬 드라이브에서 에러 문구가 뜨는 경우가 있어요. 어떤 특정 바이트는 우리가 사용하지 않습니다라고 해서 에러 문구가 떠서 경우가 있는데 해서 특정 학문적인 학문과 관련했었던 거를 제거를 하고자 해서 이 코딩해서 만들었거든요. 근데 결과로만 따져서 보자면 이거를 사용했을 때 에러가 나오기는 했어 그런데 한문을 제거를 하는 한문을 제거하니까 그림 많이 깔끔해져서 용도를 공유 차원에서 이런 게 있다라는 것만 참고만 해 주셔서 사용하시면 될 것 같습니다.

 

import re #정규식
#import emoji  #!pip install emoji  #이모티콘 제거용

#def remove_emoji(text):
#    return emoji.get_emoji_regexp().sub(u'', text)

n = 7

keyword = '화왕전'

file = open('C:/Users/user/raw/literature/키워드_포스팅_'+str(n)+'_'+str(keyword)+'.txt', 'r', encoding='utf-8-sig')
old_literature_text = file.read()

#print(old_literature_text)


special_char = '「」≪≫〉〈\/*?"<>|-․()' #특수문자
for c in special_char:
    if c in old_literature_text:
        old_literature_text = old_literature_text.replace(c, '')  # 특수 문자 제거
        old_literature_text = old_literature_text.replace("ㆍ", ",") #특수문자 변환
        old_literature_text = old_literature_text.replace(":", "는")
        old_literature_text = re.compile('[一-龥]').sub('', old_literature_text) # 정규식 한문 제거
        #old_literature_text = emoji.get_emoji_regexp().sub(u'', old_literature_text)
        #old_literature_text = re.compile('[一-龥]').sub('', old_literature_text) # 정규식 한문 제거
        
        #old_literature_text = re.compile('[^一-龥]').sub('', old_literature_text) # 정규식 한문 제거 검출
                
        #old_literature_text = re.compile(r'[가-힣]+?').sub('', old_literature_text)
        
print(old_literature_text)