关于正则表达式替换问题

liu3daniel

下了人民日报98年一月的免费版想做几个自然语言方向的实验。
需要在标注版本中去掉各种标注几号得到日报原版，应该很简单呀。
下面是代码：
open TXT,"<199801.txt";
my $txt;
#先把全部语料合并在一个变量中，便于处理需要。
while(<TXT>){
        chomp;
        $txt.=$_;  
    }
#源语料标注规范为   汉字/something（小写字母）   的形式，于是：
my $txt_pure;
$txt_pure=~s/[a-z\/\s]//g;     #把小写字母，/，以及换行空格什么的全替换为空
open OUT,">out.txt";
print OUT $txt_pure;
#结果，一段汉字，一段乱码，求高人指教。

ace_fei

你这是代码片段吧，否则能跑出结果，我都觉得很神奇。  
$txt后来跑哪去了？
你的正则应该是没问题
我用以下代码试了下，都过滤了，没乱码。 环境是strawberryperl, v5.10.1

1. #!/usr/bin/perl
   
2. open TXT,"<199801.txt";
   
3. open OUT,">out.txt";
   
4. while(<TXT>){
   
5.         chomp;
   
6.         s/[a-z\/\s]//g;   
   
7.         print OUT $_;
   
8. }

复制代码