制作一个字符串中的繁体中文字符列表

Question

我目前正在尝试估计每个字符在大量繁体中文字符中使用的次数。我对个字符不感兴趣。该文件还包括标点符号和西方字符。

我正在阅读中文繁体字的示例文件。该文件包含大量繁体中文字符。这是一小部分。

首映鼓掌10分钟评语指不及“花样年华” 该片在柏林首映，完场后获全场鼓掌10分钟王家卫特别为该片剪辑「柏林版本 增减20处赵本山香港戏分被删 在柏林影展放映的“一代宗师”版本 教李小龙武功叶问决战散打王

另一增加的戏分是开场时叶问（梁朝伟饰）

我的策略是读取每一行，将每行分割成一个列表，然后检查每个字符以查看它是否已经存在一个字符的列表或字典。如果该字符还不存在于我的列表或字典中，我会将它添加到该列表中，如果它存在于我的列表或字典中，我将增加该特定字符的计数器。我可能会使用两个列表，一个字符列表和一个包含计数的并行列表。这将是更多的处理，但也应该更容易编码。

我还没有接近这一点的任何地方呢。

我能够成功读取示例文件。然后，我可以为我的文件的每一行创建一个列表。我能够将这些单行输出到我的输出文件中，并重构原始文件，并且传统中文完好无损。

但是，当我尝试制作特定行上每个字符的列表时，我遇到了麻烦。

我已阅读完以下文章。我理解了很多意见，但不幸的是，我无法理解它足以解决我的问题。 How to do a Python split() on languages (like Chinese) that don't use whitespace as word separator?

我的代码如下所示

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 

import codecs 

wordfile = open('Chinese_example.txt', 'r') 

output = open('Chinese_output_python.txt', 'w') 

LINES = wordfile.readlines() 

通过各种测试，我相信下面的行不分裂串线[0]成组成中国字。

A_LINE = list(LINES[0]) 

output.write(A_LINE[0]) 

Answer 1

成功分割线的中国传统人物..我刚知道正确的语法处理编码字符..很基本。 my_new_list = list（unicode（LINE [0] .decode（'utf8'）））;}};

Answer 2

我的意思是你想在How to do a Python split() on languages (like Chinese) that don't use whitespace as word separator?使用此，从回答者“流”：

from re import compile as _Re 

_unicode_chr_splitter = _Re('(?s)((?:[\ud800-\udbff][\udc00-\udfff])|.)').split 

def split_unicode_chrs(text): 
    return [ chr for chr in _unicode_chr_splitter(text) if chr ]