【完结】50元求批处理——汉字信息提取

lxh623

文本a是如下：
CB30597        [灬亠口├〡兀木]
方括号里面有些解析部件。有些可能有unicode码，有些没有。
文本IDS,如下：
U+24410        𤐐        ⿰火詹
文本dump，如下：
u6b0b   | 99:0:0:2:0:160:200:u6728-01$99:0:0:59:0:197:200:dkw-23747@1
我的想法是：
把方括号里面的解析部件，从文本IDS提取unicode码，在文本dump搜索，同时含有所有的话，（没有unicode码的，忽略）把文本a那一行写入文本b，后面加上制表符+文本dump中制表符前面的内容。多个可能，就写几行。
文本IDS中的unicode码，我也可以处理到与文本dump一样。

所有文本编码是UTF8。

谢谢！

lxh623

回复 2# zaqmlp
大致处理之后，上传了。dump想存UTF8，怎么也保存不了。
链接：https://pan.baidu.com/s/1pc2as9CPfpTwejYLwd1Vcw
提取码：q35z

谢谢！

lxh623

回复 6# WHY
CB33973        [十后]        u5341        u540e
我的意思是在dump找到同时含有这两个或者几个Unicode码的行，把前面写到]+制表符后面。【这个例子好像没有】

发现一个问题，原件u3013开头的行，可以删除。

CB13270        [刂耳]        u5202        u8033
这个有结果。但是，出来几个u205dc、u5235、u3013、u265ff、u350c、u8069。去掉u3013，还有五个。
所以，要是用以搜索的有n个unicode码，dump行里面就最好限定n+1个unicode码，可能更好。
或者，出来十个，都写上。自己再来删除重复。

结果样式：（这个都可以，都需要自己调整。）
CB13270        [刂耳]        u5235
CB13270        [刂耳]        刵

谢谢！

lxh623

很奇怪，有一个字，两位都没有找到。我手动筛选，找到了。
CB33086        [宀乙] 察

lxh623

帐结了，感谢两位。