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)