如何从美剧字幕中提取单词

1、首先观察源文件，查找规律

我找到的规律是：

英文字幕结束后跟着一个“换行符”（我提前把标点符号 删及连续多个多余的换行符除了），然后是中文字散联幕，然后再一个“换行符”

如果我能够搜索 “任意英文字母沟仗”+“换行符”+任意0个或者多个字符+“换行符”，就可以定位文中的所有中文字幕，而且躲开英文字幕。

2、下一步看如何实现上述想法。

查看 替换框内可以用哪些 特殊字符

注意：是否勾选“使用通配符”，可以使用的特殊字符是不一样的

因为中文字幕长度不确定，所以我必须要用到“*”这译荡伐个可以定位“0个或者多个任意字符”的功能，故要想实现上述构想，我只能勾选“使用通配符”

3、但是勾选“使用通配符”后，特殊字符 内没有“段落标志”选项，即无法使用^P来查找文中的换行符……

进一步查找发现，在勾选“使用通配符”的情况下，可以使用^13来查找段落标志。

4、构建搜索式

在查找框内输入如下公式：

[a-z]^13*^13

上式中“[a-z]”表示查找a-z中任意一个字符（英文都跑不出这26个字母）

“^13”表示换行符

“*”表示0个或者多个任意字符

“^13”表示换行符

完全满足以上组合次序要求的就是每一行中文字幕

用“空白”进行替换即可删除所有中文字幕，但是有个后遗症：最后一个单词的最后一个字母会被删除……

5、解决上述问题的办法比较笨了，

用a 替换 [a]^13*^13

用b 替换 [b]^13*^13

用c 替换 [c]^13*^13

用d 替换 [d]^13*^13

用e 替换 [e]^13*^13

用f 替换 [f]^13*^13

用g 替换 [g]^13*^13

…………

以此类推

麻烦？可以用宏命令对上述重复性的步骤进行自动替换了