不可编辑文件和不可读(用于进一步处理)文件(为什么?)经过C++程序处理后

:)这对你来说可能是一个很长的问题,我明白,但相信我,这并不长。我无法确定为什么在处理完此文本后,无法阅读和编辑。我尝试在python中使用ord()函数来检查文本是否包含除ASCII字符之外的任何Unicode字符(非ASCII字符)。我发现了很多。 我有一种强烈的感觉,这可能是由于原始文本本身(输入)。

输入文件:只需复制粘贴到文件中” acle5v1.txt “

下面这段代码的目的是检查大写字符,并将其转换为小写字符,同时删除所有标点符号,以便对这些单词进行进一步的对齐处理。

#include<iostrea>
#include<fstream>
#include<ctype.h>
#include<cstring>

using namespace std;

ifstream fin2("acle5v1.txt");
ofstream fin3("acle5v1_op.txt");
ofstream fin4("chkcharadded.txt");
ofstream fin5("chkcharntadded.txt");
ofstream fin6("chkprintchar.txt");
ofstream fin7("chknonasci.txt");
ofstream fin8("nonprinchar.txt");

int main()
{
char ch,ch1;
fin2.seekg(0);
fin3.seekp(0);
int flag = 0;

            while(!fin2.eof())
    {
        ch1=ch;
        fin2.get(ch);

        if (isprint(ch))// if the character is printable
            flag = 1;

        if(flag)
        {
            fin6<<"Printable character:\t"<<ch<<"\t"<<(int)ch<<endl;
            flag = 0;
        }
        else
        {
            fin8<<"Non printable character caught:\t"<<ch<<"\t"<<int(ch)<<endl;
        }

        if( isalnum(ch) || ch == '@' || ch == ' ' )// checks for alpha numeric characters
        {
            fin4<<"char added: "<<ch<<"\tits ascii value: "<<int(ch)<<endl;
            if(isupper(ch))
            {
                //tolower(ch);
                fin3<<(char)tolower(ch);
            }
            else
            {
                fin3<<ch;
            }
        }
        else if( ( ch=='\t' || ch=='.' || ch==',' || ch=='#' || ch=='?' || ch=='!' || ch=='"' || ch != ';' || ch != ':') && ch1 != ' ' )
        {
            fin3<<' ';
        }
        else if( (ch=='\t' || ch=='.' || ch==',' || ch=='#' || ch=='?' || ch=='!' || ch=='"' || ch != ';' || ch != ':') && ch1 == ' ' )
        {
            //fin3<<" ';
        }
        else if( !(int(ch)>=0 && int(ch)<=127) )
        {
            fin5<<"Char of ascii within range not added: "<<ch<<"\tits ascii value: "<<int(ch)<<endl;
        }
        else
        {
            fin7<<"Non ascii character caught(could be a -ve value also)\t"<<ch<<int(ch)<<endl; 
        }   
    }
    return 0;
}

我有一个 类似的 上面用python编写的代码给了我一个otput,它同样不可读也不可编辑。

python中的代码如下:

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import sys

input_file=sys.argv[1]
output_file=sys.argv[2]

list1=[]

f=open(input_file)
for line in f:
    line=line.strip()   
    #line=line.rstrip('.')   
    line=line.replace('.','')
    line=line.replace(',','')
    line=line.replace('#','')
    line=line.replace('?','')
    line=line.replace('!','')
    line=line.replace('"','')
    line=line.replace('।','')
    line=line.replace('|','')       
    line = line.lower() 
    list1.append(line)
    f.close()

    f1=open(output_file,'w')

    f1.write(' '.join(list1))

    f1.close()

文件在运行时接收IP和OP。AS:

python punc_remover.py acle5v1.txt acle5v1_op.txt

此文件的输出位于“acle5v1_op.txt”中。

现在,在处理完这个特定的输出文件之后,需要进一步处理。这个特定的文件“aclee5v1_op.txt”是一个不可读的和不可编辑的文件,我无法使用它进行进一步的处理。我需要这个在NLP中进行单词对齐。我尝试用以下程序读取此输出

#include<iostream>
#include<fstream>

using namespace std;

ifstream fin1("acle5v1_op.txt");
ofstream fout1("chckread_acle5v1_op.txt");
ofstream fout2("chcknotread_acle5v1_op.txt");

int main()
{
    char ch;
    int flag = 0;
    long int r = 0; long int nr = 0;

    while(!(fin1))
    {
        fin1.get(ch);

        if(ch)
        {
            flag = 1;
        }

        if(flag)
        {
            fout1<<ch;
            flag = 0;
            r++;
        }
        else
        {
            fout2<<"Char not been able to be read from source file\n";
            nr++;
        }
    }

    cout<<"Number of characters able to be read: "<<r;
    cout<<endl<<"Number of characters not been able to be read: "<<nr;

    return 0;
}

如果字符可读,则打印字符;如果不可读,则不打印字符,但我观察到两个文件的输出都是空白的,因此我可以得出结论,即该文件“acle5v1_op.txt”不可读且不可编辑。你能帮我解决这个问题吗?

为了告诉您一点关于原始输入文件acle5v1.txt的统计信息,该文件中大约有3441行,其中大约有300万个字符。

记住,您编辑的文件中的字符数可能/可能无法打开该文件。我可以打开费多拉10的Gedit文件,我目前正在使用。这只是为了通知您,用特定的编辑器打开实际上并不是一个问题,至少在我的情况下……

如果可以,我可以使用诸如python和perl这样的脚本语言来处理这个问题吗?如何处理?请具体说明一下,因为我是Perl和Python的新手。或者你能告诉我如何用C++本身解决这个问题吗?谢谢你……:)我真的很期待关于如何解决这个问题的一些帮助或指导。