Есть файл, в котором вперемешку русский, украинский и английский языки, больше 270,000,000 знаков, нужно оставить только русский текст. Написал такую программу на Python:
import time
from tqdm import tqdm
alphabet = 'АБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯабвгдеёжзийклмнопрстуфхцчшщъыьэюя 0123456789,.!?'
fin = open("C:/Users/...../file.txt")
fout = open("C:/Users/...../file_new.doc", "w")
print("\033[31m {}".format('Придется немного подождать!'))
progres = [i for i in range(100)]
for i in tqdm(progres):
for letter in fin.read():
if letter in alphabet:
fout.write(letter)
time.sleep(0.1)
Все работает нормально, но вот с кириллицей проблема, удаляет только знаки украинского языка которые не в ходят в алфавит русского, а остальное все оставляет, подскажите куда копать пожалуйста, как выйти из ситуации. Пытался проверять каждую строку на наличие например "і, ї, є" и при первом вхождении удалять всю строку, но не могу додуматься как реализовать это в такой интерпретации.