格式混乱的百度文库复制文本格式化工具

从百度文库复制的文本格式混乱。如下图所示：

每次复制的文本，都需要花些时间逐行整理，很是费时。为了自动化的解决这一问题，我写了一段python代码。代码如下：

'''
从百度文库复制的文本格式混乱，本工具用来对混乱的文本进行整理
'''
import os
import re
import tkinter as tk
from tkinter import filedialog

root = tk.Tk()
root.title = "百度文库复制文本格式化工具"

filename = tk.StringVar()
info = tk.StringVar()

txt_filetype = [('文本文件', '.txt')]

def selectFile():
    filepath = filedialog.askopenfilename(parent=root,
                                          initialdir=os.getcwd(),
                                          title="请选择文本文件",
                                          filetypes=txt_filetype)
    filename.set(filepath)  # 设置变量filename的值

def fileSave():
    txtfilepath = filename.get()

    if txtfilepath == '':
        info.set("未选择文件")
        return

    if not os.path.exists(txtfilepath):
        info.set("文件不存在")
        return

    if not txtfilepath.endswith(".txt"):
        info.set("文件不是文本文件")
        return

    with open(txtfilepath, 'r', encoding='utf-8') as f:
        ms = f.readlines()

    data = ''
    me = ''
    re_end = re.compile('[。：？！…]$')

    for s in ms:
        s2 = s.strip()
        me += s.rstrip()
        if re_end.search(s2):
            data += me + '\n'
            me = ''
    if me != '':
        data += me

    outpath = txtfilepath[:-4] + '_ft' + '.txt'
    with open(outpath, 'w', encoding='utf-8') as f:
        f.write(data)

    info.set(outpath)  # 设置变量filenewname的值


# 构建“选择文件”这一行的标签、输入框以及启动按钮，同时我们希望当用户选择图片之后能够显示原图的基本信息
tk.Label(root, text='选择文件').grid(row=1, column=0, padx=5, pady=5)
tk.Entry(root, textvariable=filename).grid(row=1, column=1, padx=5, pady=5)
tk.Button(root, text='打开文件', command=selectFile).grid(row=1, column=2, padx=5, pady=5)

# 构建“保存文件”这一行的标签、输入框以及启动按钮
tk.Label(root, text='保存文件').grid(row=2, column=0, padx=5, pady=5)
tk.Button(root, text='保存', command=fileSave).grid(row=2, column=1, padx=5, pady=5, sticky="w")

# 构建“选择目录”这一行的标签、输入框以及启动按钮
tk.Label(root, text='信息').grid(row=3, column=0, padx=5, pady=5)
tk.Label(root, textvariable=info).grid(row=3, column=1, padx=5, pady=5, columnspan=2, sticky="w")

root.mainloop()

下面是运行时的窗口

使用方法也很简单，先点击打开文件，然后点保存就可以了。
混乱的百度文库复制文本经过整理过后的格式如下图：
 
如上所示，文本已经被分段整理好了。
上面的代码的原理很简单，概述如下：
对混乱的百度文库复制文本逐行判断，如果在这一行的后面发现了。：？！…句子结束标点，则进行换行，否则不换行。

要想运行上面的python代码，需要安装python，下载地址：

https://www.python.org/