第一次提交

.idea/TxT2DOCX.iml

@@ -0,0 +1,8 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<module type="PYTHON_MODULE" version="4">
+  <component name="NewModuleRootManager">
+    <content url="file://$MODULE_DIR$" />
+    <orderEntry type="jdk" jdkName="Python 3.10" jdkType="Python SDK" />
+    <orderEntry type="sourceFolder" forTests="false" />
+  </component>
+</module>

data/error_chars.json

@@ -0,0 +1,116 @@
+{
+  "日": "曰",
+  "木": "本",
+  "度": "渡",
+  "暴": "爆",
+  "籍": "藉",
+  "销": "消",
+  "璧": "壁",
+  "讴": "呕",
+  "勠": "戮",
+  "篡": "纂",
+  "需": "须",
+  "迄": "讫",
+  "磬": "罄",
+  "驰": "弛",
+  "拨": "拔",
+  "朴": "扑",
+  "沾": "粘",
+  "戊": "戌",
+  "崇": "祟",
+  "菅": "管",
+  "荼": "茶",
+  "灸": "炙",
+  "钓": "钧",
+  "丐": "丏",
+  "亨": "享",
+  "赢": "羸",
+  "肓": "盲",
+  "赝": "膺",
+  "掣": "擎",
+  "峰": "锋",
+  "读": "续",
+  "眯": "咪",
+  "胶": "狡",
+  "旯": "旮",
+  "奄": "掩",
+  "恃": "持",
+  "径": "胫",
+  "坝": "狈",
+  "幅": "副",
+  "颗": "棵",
+  "即": "既",
+  "俩": "两",
+  "辨": "辩",
+  "树立": "竖立",
+  "其他": "其它",
+  "截止": "截至",
+  "考查": "考察",
+  "治服": "制服",
+  "权利": "权力",
+  "申明": "声明",
+  "交代": "交待",
+  "含义": "涵义",
+  "安": "按",
+  "曝": "暴",
+  "博": "搏",
+  "灿": "粲",
+  "毫": "豪",
+  "检": "捡",
+  "骄": "娇",
+  "梁": "粱",
+  "蓬": "篷",
+  "辟": "僻",
+  "欺": "期",
+  "洽": "恰",
+
+  "皱": "邹",
+  "诸": "著",
+  "煮": "著",
+  "壮": "状",
+  "追": "摧",
+  "卓": "桌",
+  "咨": "资",
+  "滋": "磁",
+  "阻": "组",
+  "遵": "尊",
+  "的": "得",
+  "她": "他",
+  "到": "倒",
+  "倒": "到",
+  "要": "耍",
+  "说": "讲",
+  "讲": "说",
+  "做": "作",
+  "作": "做",
+  "已": "已",
+  "己": "已",
+  "以": "已",
+  "进": "近",
+  "近": "进",
+  "象": "像",
+  "像": "象",
+  "茶": "荼",
+  "孑": "孓",
+  "子": "孑",
+  "雎": "睢",
+  "汆": "氽",
+  "戍": "戌",
+  "妹": "妺",
+  "口": "囗",
+  "姬": "姫",
+  "祎": "袆",
+  "亳": "毫",
+  "汩": "汨",
+  "市": "巿",
+  "壸": "壶",
+  "祒": "袑",
+  "洗": "冼",
+  "夂": "夊",
+  "祖": "袓",
+  "芙": "褔",
+  "萬": "萭"
+}
+
+
+

replacestr.py

@@ -0,0 +1,473 @@
+import re
+import random
+import argparse
+import sys
+import os
+from typing import List, Tuple, Optional, Dict, Any
+from pathlib import Path
+import logging
+
+
+class TextProcessor:
+    """文本处理器类，支持句子拆分和字符交换"""
+
+    def __init__(self, min_length: int = 30, custom_punctuation: Optional[str] = None):
+        """
+        初始化文本处理器
+
+        Args:
+            min_length: 句子长度阈值
+            custom_punctuation: 自定义标点符号，如果为None则使用默认标点
+        """
+        self.min_length = min_length
+        self.sentence_endings = custom_punctuation or r'[，。！？；?!;]'
+        self.statistics = {
+            'total_sentences': 0,
+            'processed_sentences': 0,
+            'total_chars': 0,
+            'swapped_chars': 0
+        }
+
+        # 设置日志
+        logging.basicConfig(level=logging.INFO,
+                            format='%(asctime)s - %(levelname)s - %(message)s')
+        self.logger = logging.getLogger(__name__)
+
+    def split_sentences(self, text: str) -> List[Tuple[str, str]]:
+        """
+        按标点符号拆分句子，保留标点符号
+
+        Args:
+            text: 输入文本
+
+        Returns:
+            List[Tuple[str, str]]: 每个元组包含 (句子内容, 标点符号)
+        """
+        if not text.strip():
+            return []
+
+        # 使用正则表达式拆分，保留分隔符
+        parts = re.split(f'({self.sentence_endings})', text)
+
+        sentences = []
+        i = 0
+        while i < len(parts):
+            content = parts[i].strip()
+            if content:  # 非空内容
+                # 检查下一个部分是否是标点符号
+                if i + 1 < len(parts) and re.match(self.sentence_endings, parts[i + 1]):
+                    punctuation = parts[i + 1]
+                    i += 2
+                else:
+                    punctuation = ''
+                    i += 1
+                sentences.append((content, punctuation))
+                self.statistics['total_sentences'] += 1
+            else:
+                i += 1
+
+        return sentences
+
+    def swap_random_chars(self, sentence: str) -> str:
+        """
+        对超长句子随机交换相邻两个字符的顺序
+
+        Args:
+            sentence: 输入句子
+
+        Returns:
+            str: 处理后的句子
+        """
+        # 边界情况处理
+        if not sentence or len(sentence) <= self.min_length or len(sentence) <= 3:
+            return sentence
+
+        # 转换为字符列表便于操作
+        chars = list(sentence)
+        original_length = len(chars)
+
+        # 确定可交换的范围（避开首尾字符，且需要成对相邻）
+        # 对于长度为n的句子，可交换的相邻对位置为：(1,2), (2,3), ..., (n-3,n-2)
+        start_idx = 1
+        end_idx = len(chars) - 3  # 最后一个可交换对的起始位置
+
+        if end_idx < start_idx:
+            return sentence
+
+        try:
+            # 随机选择一个相邻对的起始位置
+            swap_start = random.randint(start_idx, end_idx)
+            swap_end = swap_start + 1
+
+            # 交换相邻的两个字符
+            chars[swap_start], chars[swap_end] = chars[swap_end], chars[swap_start]
+
+            # 更新统计信息
+            self.statistics['processed_sentences'] += 1
+            self.statistics['swapped_chars'] += 2
+
+            self.logger.debug(f"交换相邻位置 {swap_start} 和 {swap_end}，句子长度：{original_length}")
+
+        except (ValueError, IndexError) as e:
+            self.logger.warning(f"字符交换失败：{e}")
+            return sentence
+
+        return ''.join(chars)
+
+    def process_text(self, text: str) -> str:
+        """
+        处理文本：拆分句子并对超长句子进行字符交换
+
+        Args:
+            text: 输入文本
+
+        Returns:
+            str: 处理后的文本
+        """
+        if not text:
+            return text
+
+        # 重置统计信息
+        self.statistics = {
+            'total_sentences': 0,
+            'processed_sentences': 0,
+            'total_chars': len(text),
+            'swapped_chars': 0
+        }
+
+        # 按段落分割
+        paragraphs = text.split('\n')
+        processed_paragraphs = []
+
+        for paragraph in paragraphs:
+            if not paragraph.strip():
+                processed_paragraphs.append(paragraph)
+                continue
+
+            # 拆分句子
+            sentences = self.split_sentences(paragraph)
+
+            # 处理每个句子
+            processed_sentences = []
+            for sentence_content, punctuation in sentences:
+                # 对句子内容进行字符交换
+                processed_content = self.swap_random_chars(sentence_content)
+                processed_sentences.append(processed_content + punctuation)
+
+            # 重新组合句子
+            processed_paragraph = ''.join(processed_sentences)
+            processed_paragraphs.append(processed_paragraph)
+
+        return '\n'.join(processed_paragraphs)
+
+    def get_statistics(self) -> Dict[str, Any]:
+        """获取处理统计信息"""
+        return self.statistics.copy()
+
+    def print_statistics(self):
+        """打印处理统计信息"""
+        stats = self.get_statistics()
+        print("\n" + "=" * 50)
+        print("处理统计信息：")
+        print(f"总字符数：{stats['total_chars']}")
+        print(f"总句子数：{stats['total_sentences']}")
+        print(f"处理句子数：{stats['processed_sentences']}")
+        print(f"交换字符数：{stats['swapped_chars']}")
+        if stats['total_sentences'] > 0:
+            print(f"处理率：{stats['processed_sentences'] / stats['total_sentences'] * 100:.1f}%")
+        print("=" * 50)
+
+
+class FileHandler:
+    """文件处理器，负责文件的读写操作"""
+
+    @staticmethod
+    def read_file(filename: str) -> str:
+        """
+        读取文件内容，支持多种编码
+
+        Args:
+            filename: 文件路径
+
+        Returns:
+            str: 文件内容
+
+        Raises:
+            FileNotFoundError: 文件不存在
+            PermissionError: 权限不足
+            UnicodeDecodeError: 编码错误
+        """
+        if not os.path.exists(filename):
+            raise FileNotFoundError(f"文件 '{filename}' 不存在")
+
+        if not os.access(filename, os.R_OK):
+            raise PermissionError(f"没有读取文件 '{filename}' 的权限")
+
+        # 尝试多种编码格式
+        encodings = ['utf-8', 'gbk', 'gb2312', 'latin-1']
+
+        for encoding in encodings:
+            try:
+                with open(filename, 'r', encoding=encoding) as f:
+                    content = f.read()
+                    logging.info(f"使用 {encoding} 编码成功读取文件：{filename}")
+                    return content
+            except UnicodeDecodeError:
+                continue
+
+        raise UnicodeDecodeError(f"无法解码文件 '{filename}'，尝试的编码格式：{encodings}")
+
+    @staticmethod
+    def write_file(filename: str, content: str, encoding: str = 'utf-8') -> None:
+        """
+        写入文件内容
+
+        Args:
+            filename: 输出文件路径
+            content: 要写入的内容
+            encoding: 编码格式
+
+        Raises:
+            PermissionError: 权限不足
+            OSError: 磁盘空间不足等系统错误
+        """
+        # 确保目录存在
+        output_dir = os.path.dirname(filename)
+        if output_dir and not os.path.exists(output_dir):
+            os.makedirs(output_dir, exist_ok=True)
+
+        try:
+            with open(filename, 'w', encoding=encoding) as f:
+                f.write(content)
+            logging.info(f"成功写入文件：{filename}")
+        except PermissionError:
+            raise PermissionError(f"没有写入文件 '{filename}' 的权限")
+        except OSError as e:
+            raise OSError(f"写入文件 '{filename}' 时发生错误：{e}")
+
+
+def setup_argument_parser() -> argparse.ArgumentParser:
+    """设置命令行参数解析器"""
+    parser = argparse.ArgumentParser(
+        description='文本句子字符交换处理器',
+        formatter_class=argparse.RawDescriptionHelpFormatter,
+        epilog="""
+使用示例：
+  %(prog)s -f input.txt                    # 处理文件
+  %(prog)s -t "你的文本内容"               # 直接处理文本
+  %(prog)s -f input.txt -l 20              # 设置长度阈值为20
+  %(prog)s -f input.txt -o output.txt      # 输出到文件
+  %(prog)s -f input.txt -p "。！？" -s     # 自定义标点符号并显示统计
+        """
+    )
+
+    # 输入选项
+    input_group = parser.add_mutually_exclusive_group(required=True)
+    input_group.add_argument('-f', '--file', help='输入文件路径')
+    input_group.add_argument('-t', '--text', help='直接输入文本')
+    input_group.add_argument('--stdin', action='store_true',
+                             help='从标准输入读取文本')
+
+    # 处理选项
+    parser.add_argument('-l', '--length', type=int, default=30,
+                        help='句子长度阈值（默认30）')
+    parser.add_argument('-p', '--punctuation',
+                        help='自定义标点符号（默认：。！？；?!;）')
+    parser.add_argument('-o', '--output', help='输出文件路径')
+    parser.add_argument('-e', '--encoding', default='utf-8',
+                        help='输出文件编码（默认utf-8）')
+
+    # 其他选项
+    parser.add_argument('-s', '--statistics', action='store_true',
+                        help='显示处理统计信息')
+    parser.add_argument('-v', '--verbose', action='store_true',
+                        help='显示详细日志')
+    parser.add_argument('--seed', type=int, help='随机数种子（用于测试）')
+
+    return parser
+
+
+def main():
+    """主函数：处理命令行参数和文本处理"""
+    parser = setup_argument_parser()
+    args = parser.parse_args()
+
+    # 设置日志级别
+    if args.verbose:
+        logging.getLogger().setLevel(logging.DEBUG)
+
+    # 设置随机数种子（用于测试）
+    if args.seed:
+        random.seed(args.seed)
+
+    # 获取输入文本
+    try:
+        if args.file:
+            text = FileHandler.read_file(args.file)
+        elif args.text:
+            text = args.text
+        elif args.stdin:
+            text = sys.stdin.read()
+        else:
+            print("错误：请指定输入源")
+            sys.exit(1)
+
+        if not text.strip():
+            print("警告：输入文本为空")
+            sys.exit(0)
+
+    except (FileNotFoundError, PermissionError, UnicodeDecodeError) as e:
+        print(f"错误：{e}")
+        sys.exit(1)
+
+    # 创建处理器并处理文本
+    try:
+        processor = TextProcessor(
+            min_length=args.length,
+            custom_punctuation=args.punctuation
+        )
+
+        processed_text = processor.process_text(text)
+
+        # 输出结果
+        if args.output:
+            FileHandler.write_file(args.output, processed_text, args.encoding)
+            print(f"处理完成，结果已保存到 '{args.output}'")
+        else:
+            print("处理结果：")
+            print("-" * 50)
+            print(processed_text)
+
+        # 显示统计信息
+        if args.statistics:
+            processor.print_statistics()
+
+    except Exception as e:
+        print(f"处理过程中发生错误：{e}")
+        if args.verbose:
+            import traceback
+            traceback.print_exc()
+        sys.exit(1)
+
+
+# 单元测试
+def run_tests():
+    """运行基本的单元测试"""
+    print("运行单元测试...")
+
+    # 测试句子拆分
+    processor = TextProcessor(min_length=6)
+
+    # 测试1：普通句子拆分
+    test_text = "这是第一句。这是第二句！第三句？"
+    sentences = processor.split_sentences(test_text)
+    assert len(sentences) == 3, f"期望3个句子，实际{len(sentences)}个"
+    assert sentences[0] == ("这是第一句", "。"), f"第一句解析错误：{sentences[0]}"
+
+    # 测试2：相邻字符交换
+    long_sentence = "这是一个很长的句子用来测试字符交换功能"
+    random.seed(42)  # 固定种子以便测试
+    result = processor.swap_random_chars(long_sentence)
+    assert result != long_sentence, "长句子应该被修改"
+    assert len(result) == len(long_sentence), "交换后长度应该不变"
+
+    # 验证只交换了相邻的两个字符
+    diff_count = sum(1 for i, (a, b) in enumerate(zip(long_sentence, result)) if a != b)
+    assert diff_count == 2, f"应该只有2个字符位置发生变化，实际{diff_count}个"
+
+    # 测试3：短句子不变
+    short_sentence = "短句"
+    result = processor.swap_random_chars(short_sentence)
+    assert result == short_sentence, "短句子不应该被修改"
+
+    # 测试4：边界情况
+    empty_result = processor.swap_random_chars("")
+    assert empty_result == "", "空字符串应该保持不变"
+
+    print("✓ 所有测试通过！")
+
+
+# 示例使用
+def replace_text(text):
+    # 检查是否运行测试
+    if len(sys.argv) > 1 and sys.argv[1] == 'test':
+        run_tests()
+        sys.exit(0)
+
+    # 命令行模式
+    if len(sys.argv) > 1:
+        main()
+    else:
+        # 示例演示
+        sample_text = text
+
+        print("示例演示：")
+        print("原文：")
+        print(sample_text)
+        print("\n" + "=" * 50 + "\n")
+        min_length = 12
+        processor = TextProcessor(min_length)
+        processed = processor.process_text(sample_text)
+        print("处理后：")
+        print(processed)
+
+        processor.print_statistics()
+
+
+        print("\n使用说明：")
+        print("命令行用法：")
+        print("  python script.py -f input.txt              # 处理文件")
+        print("  python script.py -t '你的文本内容'          # 直接处理文本")
+        print("  python script.py -f input.txt -l 20        # 设置长度阈值为20")
+        print("  python script.py -f input.txt -o output.txt # 输出到文件")
+        print("  python script.py -f input.txt -p '。！？' -s # 自定义标点符号并显示统计")
+        print("  python script.py test                       # 运行单元测试")
+
+        return processed
+
+
+
+text = """阅读此文之前，麻烦您点击一下“关注”，既方便您进行讨论和分享，又能给您带来不一样的参与感，创作不易，感谢您的支持。
+
+曾经“半路出家”，如今黯然无声，他的故事值得一品
+说起央视的主持人，大家第一反应肯定是一个个字正腔圆、形象出彩的脸孔。可是在这其中，有一位却用浓厚的潮汕口音，还有点“油滑”的幽默，自成一派。他就是阿丘。
+
+这个名字，可能在现在已经鲜有人提起，但在过去，他可是实打实的“名嘴”。不过，咱来说点耐人寻味的，他是怎么走到央视巅峰，又怎么“高台跳水”的？这故事，够扎心，更够意味深长。
+
+看似格格不入，却杀出重围
+熟悉阿丘的人，一听他那口音，就知道这是“岭南口音模块”的标配。他是个土生土长的广东人，也因为家里是军人家庭，小时候经常搬家，成了个活脱脱的语言天才，学会了好几个地方的方言。什么潮汕话、粤语、客家话，信手拈来。不得不说，小时候到处跑打下的基础，倒给他多了一点和别人不一样的“人味儿”。
+
+他大学学的专业，可和主持半毛钱关系没有，是经济学。毕业后，他分配到了南宁的棉纺印染厂，待遇不错，是个政工干部。这时候的阿丘，怎么看都是个稳稳的职场小白，可谁能想到，后来的他能走上舞台呢？
+
+90年代，相声、小品各类幽默比赛风靡全国。阿丘平时最爱的就是琢磨这些妙语段子，一心觉得自己是个“未被发现的宝藏男孩”。机会来了，1992年，他参加广西举办的笑星大赛，居然拿了个一等奖。这下可出名了，厂里人都认识他，他本人也成了“地方笑星”。
+
+再后来，他调到了广西电视台，开始主持节目。头几年波澜不惊，直到他参加《南北笑星火辣辣》，凭借风趣和机灵吸引了更多目光。2003年，这个来自地方台的主持人，直接杀进了央视主持圈。靠什么？靠他的个性和风格。
+
+从风光无限到画风突变
+阿丘进入央视后，主持了好几档节目。他的幽默和接地气，与当时一板一眼的正规主持人大不相同。因此，他迅速被贴上“个性主持”的标签。尤其是在《社会记录》里，那带点潮汕腔调的问句，竟成了一种标志。
+
+可惜，说话爽快的他，也因为“不当言论”栽了跟头。事情发生在2020年，正是全国上下齐心合力抗击疫情的时候。阿丘不知道怎么回事，在自己的博客里发了一些让人难以接受的言论。里头什么“东亚病夫”“道歉”显得格外刺眼。
+
+不得不说，这一锅凉水泼得够彻底。网友立刻开始深挖，一挖还真揭出不少黑历史。有人爆料，他婚内包养女大学生，还试图给实习机会。虽然阿丘本人否认得七七八八，但这些传闻和再度破裂的婚姻，难免让人联想。
+
+面对铺天盖地的指责，阿丘的态度是硬得离谱，一句道歉都没有。“嘴皮子”在这时候完全失灵了。要说在镜头前笑侃万事的大叔，这一次是真没能站住脚。
+
+离开央视后的低调生活
+最后，阿丘与央视长达12年的缘分彻底告一段落。此后的日子，他也算是从公众视线中消失了。最让人记得的，是他两年后现身老搭档张泉灵的节目，只是，这一次，他的亮相显得缥缈又散淡。
+
+如今阿丘的身份，更多转向了自媒体。开了个叫“阿丘观山”的账号，做起旅游文化博主。视频里，他介绍名山大川，什么五台山、武当山，天天讲人生感悟。这画风，和过去主持访谈节目的他，可真是差太远了。
+
+不少老观众打开他的账号，可能都得感叹一声“物是人非”。更有网友直言，他的语气里听到了些许“悔意”，又觉得是假装云淡风轻，实际还是难以摆脱舆论的阴影。
+
+留下的启示和争议
+阿丘的故事，是难得一见的。从地方电视台到央视舞台，他用12年时间登上顶峰，却因为12个字毁了前程。这起伏，真像一出大戏。
+
+咱们反思一下，也许有些人，天赋、机遇都抓得很精准，但言行失当，永远是会砸场子的导火索。阿丘的人生轨迹，正说明了这一点。
+
+现在问题来了，大家怎么看阿丘这个人？你是觉得他个性可惜，还是自毁前程？
+
+欢迎留言讨论，你们的每一次互动，都是创作的动力。"""
+
+
+result = replace_text(text)
+print(result)