Python 在文件中的行中找到一个单词并将其拆分为两行

我的输入文件（i.txt）如下所示：

പ്രധാനമന്ത്രി മന്‍മോഹന്‍സിംഗ്  നാട്ടില്‍ എത്തി  .  
അദ്ദേഹം മലയാളി അല്ല  കാരണം അദ്ദേഹത്തെ പറ്റി പറയാന്‍  വാക്കുകല്ളില്ല . 

我的连接词在列表中：

connectives=['കാരണം','അതുകൊണ്ട്‌ ','പക്ഷേ','അതിനാല്‍','എങ്കിലും','എന്നാലും','എങ്കില്‍','എങ്കില്‍പോലും',
'എന്നതുകൊണ്ട്‌ ','എന്ന']  

我想要的输出是（outputfile.txt）：

如果有两个连接词，就按此分开。我的代码是：

fr = codecs.open('i.txt', encoding='utf-8') 
fw = codecs.open('outputfile.txt', 'w')
for line in fr:
    line_data=line.split()
for x, e in list(enumerate(line_data)):
    if e in connectives:
        line_data[x]='.' 

---

代码未完成

我想你只是有一些缩进问题。由于我使用的是python 2.7，所以我还向连接词添加了

u'

，以指定unicode

若要将现有行拆分为两行，可能需要使用

添加回车符

这是一个开始（但不是最终）：

生成此输出（额外的空间，因为分割出现在一行的中间）。

---

这里有一种方法可以做到这一点，一个字一个字地构建字符串，并在适当的地方添加

\n

：

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

connectives=set(['കാരണം','അതുകൊണ്ട്‌ ','പക്ഷേ','അതിനാല്‍','എങ്കിലും','എന്നാലും',
                 'എങ്കില്‍','എങ്കില്‍പോലും','എന്നതുകൊണ്ട്‌ ','എന്ന', '.'])

s=""

with open('i.txt') as file:
    for line in file:
        for word in line.split():
            if word in connectives:                
                s += '.\n'
            else:
                s += '{} '.format(word)

print s

请注意，我在

连接词列表的末尾添加了
。
，并将其设置为一个。集合是一种集合类型，对于快速成员身份测试非常有用，例如连接词中的
if-word:
在代码中。我还决定使用将
单词
放入字符串中。如果愿意，这可以更改为
word+'

输出：

പ്രധാനമന്ത്രി മന്‍മോഹന്‍സിംഗ് നാട്ടില്‍ എത്തി .
അദ്ദേഹം മലയാളി അല്ല .
അദ്ദേഹത്തെ പറ്റി പറയാന്‍ വാക്കുകല്ളില്ല .

与另一个答案不同的是，在第一行之后的每行开头的前导空格没有问题

顺便说一下，如果您对使用感到满意，您可以将代码压缩为：

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

connectives=set(['കാരണം','അതുകൊണ്ട്‌ ','പക്ഷേ','അതിനാല്‍','എങ്കിലും','എന്നാലും',
                 'എങ്കില്‍','എങ്കില്‍പോലും','എന്നതുകൊണ്ട്‌ ','എന്ന', '.'])

with open('i.txt') as file:
    s = ''.join(['.\n' if word in connectives else '{} '.format(word) 
                 for line in file 
                 for word in line.split()])

print s

你可能应该举一个使用英语字母表的例子。我真的无法理解我不认识的字符是怎么回事。这是我们的本地语言马来语，它都是用unicode字符写的。我很欣赏这一点，但我所说的问题是认知问题，而不是技术问题。但也许有人比我更精通多种语言，在这方面可能会更有能力。它是有效的，但所需的输出中不需要连接词。否则它会工作。@user3251664对不起，我没发现。我自己不是讲马来语的人！这是一个简单的修复，所以我编辑了答案。我还添加了另一个版本，我认为这也是一个更好的版本。
#!/usr/bin/python
# -*- coding: utf-8 -*-

connectives=set(['കാരണം','അതുകൊണ്ട്‌ ','പക്ഷേ','അതിനാല്‍','എങ്കിലും','എന്നാലും',
                 'എങ്കില്‍','എങ്കില്‍പോലും','എന്നതുകൊണ്ട്‌ ','എന്ന', '.'])

s=""

with open('i.txt') as file:
    for line in file:
        for word in line.split():
            if word in connectives:                
                s += '.\n'
            else:
                s += '{} '.format(word)

print s

പ്രധാനമന്ത്രി മന്‍മോഹന്‍സിംഗ് നാട്ടില്‍ എത്തി .
അദ്ദേഹം മലയാളി അല്ല .
അദ്ദേഹത്തെ പറ്റി പറയാന്‍ വാക്കുകല്ളില്ല .

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

connectives=set(['കാരണം','അതുകൊണ്ട്‌ ','പക്ഷേ','അതിനാല്‍','എങ്കിലും','എന്നാലും',
                 'എങ്കില്‍','എങ്കില്‍പോലും','എന്നതുകൊണ്ട്‌ ','എന്ന', '.'])

with open('i.txt') as file:
    s = ''.join(['.\n' if word in connectives else '{} '.format(word) 
                 for line in file 
                 for word in line.split()])

print s