CODEWITHSUNDEEP
pythonunicode
user3251664
user3251664

Reputation: 441

Remove unicode numbers in each line in the file

My file(outputfile5.txt) contains : ( The file contain all element as unicode) 

5അവന്‍ --> 1രാമന്‍   
6അവള്‍ക്ക് --> 2സീതയെ   
10അവള്‍ --> 6അവള്‍ക്ക് --> 2സീതയെ   
11അത്‌ --> 7പൂവ്‌   
14അവര്‍ --> 2സീതയെ , 1രാമന്‍   
19അവിടെ --> 16കോട്ടയത്ത്‌   
21അവര്‍ക്ക്‌ --> 2സീതയെ , 1രാമന്‍   
26അവിടെ --> 19അവിടെ --> 16കോട്ടയത്ത്‌   
32അവന്‍ --> 28രാമന്‍   
44അവനെ --> 40ലക്ഷ്മണന്‍   
45അവള്‍ക്ക്‌ --> 41സീതയെ   
48ഈ --> 49വഴ   
51അവര്‍ --> 41സീതയെ , 40ലക്ഷ്മണന്‍   
60അവിടെ --> 55കോട്ടയം

My reguired output should be saved in another file(result.txt) like: 

അവന്‍ --> രാമന്‍   
അവള്‍ക്ക് --> സീതയെ   
അവള്‍ --> അവള്‍ക്ക് --> സീതയെ   
അത്‌ --> പൂവ്‌   
അവര്‍ --> സീതയെ , രാമന്‍   
അവിടെ --> കോട്ടയത്ത്‌   
അവര്‍ക്ക്‌ --> സീതയെ , രാമന്‍   
അവിടെ --> അവിടെ --> കോട്ടയത്ത്‌   
അവന്‍ --> രാമന്‍   
അവനെ --> ലക്ഷ്മണന്‍   
അവള്‍ക്ക്‌ --> സീതയെ   
ഈ --> വഴ   
അവര്‍ --> സീതയെ , ലക്ഷ്മണന്‍   
അവിടെ --> കോട്ടയം

My code is: 

fq = codecs.open('outputfile5.txt', encoding='utf-8')
lines = fq.readlines()
fq.close()
fa = codecs.open('result.txt', 'w')
for line in lines:
    line1=[]
    line1=line.split()
    for i in line1:
        if u'-->' not in i or u',' not in i:
            s = re.match('([0-9]+)', i).group(1)
            word=i[len(s):]
            fa.write(word.encode('UTF-8'))
        else:
            fa.write(i.encode('UTF-8'))
fa.close()

While running the code it shows the following error: 

s = re.match('([0-9]+)', i).group(1)
AttributeError: 'NoneType' object has no attribute 'group'

How can i solve this ?

Upvotes: 0

Views: 54

Answers (3)

kmario23
kmario23

Reputation: 61435

You can simply do this 

import re  
with open('outputfile5.txt') as inpf, open('result.txt', 'w') as outf:
for line in inpf:
   outf.write(re.sub('\d+', '', line))

Upvotes: 0

Tom Fenech
Tom Fenech

Reputation: 74685

I'm not sure if I'm missing something obvious here but does this do what you want?

with open('outputfile5.txt') as input, open('result.txt', 'w') as output:
    for line in input:
        output.write(''.join([c for c in line if not c.isdigit()]))

result.txt:

അവന് --> രാമന്   
അവള്ക്ക് --> സീതയെ   
അവള് --> അവള്ക്ക് --> സീതയെ   
അത് --> പൂവ്   
അവര് --> സീതയെ , രാമന്   
അവിടെ --> കോട്ടയത്ത്   
അവര്ക്ക് --> സീതയെ , രാമന്   
അവിടെ --> അവിടെ --> കോട്ടയത്ത്   
അവന് --> രാമന്   
അവനെ --> ലക്ഷ്മണന്   
അവള്ക്ക് --> സീതയെ   
ഈ --> വഴ   
അവര് --> സീതയെ , ലക്ഷ്മണന്   
അവിടെ --> കോട്ടയം

Upvotes: 2

Alfe
Alfe

Reputation: 59526

How about a straight-forward

with codecs.open('outputfile5.txt', encoding='utf-8') as input:
  with codecs.open('result.txt', 'w', encoding='utf-8') as output:
    for line in input:
      output.write(re.sub(r'[0-9]*', '', line))

solution?

Upvotes: 0

Related Questions