{{category Python}}
!!!cocaClean
{{outline}}
----
!!開発の意図
* COCA samplesのファイルには、以下の「ゴミ」が含まれていて、単語の処理をする際に「ゴミ」となる
** テキストID
** 匿名記号
** 段落記号

!!開発方法
* Copilotに指示を出してスクリプトの原案を作ってもらい修正する

!指示のプロンプト
----
Python言語で、フォルダー内の複数のテキストファイル（拡張子".txt"）を対象に、以下の文字列を削除するスクリプトを書いてください。

削除した結果のファイル名は、それぞれ元のファイル名の後ろに".cln"という拡張子を付けて保存して下さい。

そして、そのスクリプトをwindows 上で実行できるexeファイルにコンパイルする方法を教えてください。
----
* その後の試行錯誤
** 削除文字列を正規表現で表記できるように修正
!出力されたスクリプト
----
import os
import re

# 指定するフォルダーと削除対象の正規表現パターン
folder_path = "path/to/your/folder"
remove_patterns = [r"\b削除する単語\b", r"\d{4}-\d{2}-\d{2}"]  # ここに削除したい正規表現パターンを追加

# フォルダー内の全テキストファイルを処理
for filename in os.listdir(folder_path):
    if filename.endswith(".txt"):
        file_path = os.path.join(folder_path, filename)

        # ファイルを読み込んで正規表現で削除
        with open(file_path, "r", encoding="utf-8") as file:
            content = file.read()
            for pattern in remove_patterns:
                content = re.sub(pattern, "", content)

        # 結果を新しいファイルに保存
        new_filename = filename.replace(".txt", ".cln")
        new_file_path = os.path.join(folder_path, new_filename)

        with open(new_file_path, "w", encoding="utf-8") as new_file:
            new_file.write(content)

print("処理が完了しました。")
----

!修正箇所

!修正後のスクリプト
{{ref cocaClean.py}}
!!実行ファイルにコンパイル


{{ref cocaClean.exe}}

!!使い方
* 処理したいフォルダーにファイルを入れておく
* cocaClean.exeをダウンロードして、そのフォルダーに入れる
* ダブルクリックして実行
* 拡張子「.cln.txt」がついた変換済みファイルが保存される