如何用Python筛选无大写/数字/特殊字符且长度≤10的荷兰语词？

需求说明 #

我有一个包含全部荷兰语词汇的文本文件，需要筛选出仅含小写字母、长度不超过10个字符的词汇。手动处理40万条词汇效率极低，想用Python实现，但作为新手编写的代码存在词汇拼接、拆分错误，现寻求简洁可行的代码方案，要求移除含大写字母、数字、特殊字符的词汇，以及长度超过10字符的词汇。

原错误代码 #

import re

input_file = open("basiswoorden-gekeurd.txt", "r+")
output_file = open("word_crumble_wordlist.txt", "w")
filetext = input_file.read()
res_caps = re.sub(r"\s*[A-Z]\w*\s*", " ", filetext).strip()
res_dig = re.sub(r"\s*\d\w*\s*", "", res_caps).strip()
res = re.sub(r"[^a-zA-Z0-9\n\.]\w*\s*", "", res_dig).strip()

for line in res:
    if len(line) < 10:
        output_file.write(line)

原代码问题点 #

• 一次性读取整个文本后用正则替换，会将不符合要求的词汇替换为空格/空内容，导致原本分行的词汇被错误拼接成一个长词
• 循环遍历res时是按单个字符遍历，而非按行/词汇遍历，逻辑完全错误

修正后的代码 #

import re

# 用with语句自动管理文件，避免资源泄漏
with open("basiswoorden-gekeurd.txt", "r", encoding="utf-8") as input_file, \
     open("word_crumble_wordlist.txt", "w", encoding="utf-8") as output_file:
    # 正则匹配纯小写字母（若需保留荷兰语变音符号如ëïüö，改为r'^[a-zëïüö]+$'）
    valid_word_pattern = re.compile(r'^[a-z]+$')
    for line in input_file:
        word = line.strip()  # 去除每行首尾的换行、空格等
        # 同时满足：纯小写字母组成、长度≤10
        if valid_word_pattern.match(word) and len(word) <= 10:
            output_file.write(f"{word}\n")

代码说明 #

• 按行读取处理，彻底避免词汇拼接问题
• 使用正则精准匹配符合要求的词汇，排除含大写、数字、特殊字符的内容
• with语句自动处理文件打开/关闭，更安全规范
• 若荷兰语词汇包含变音符号，只需调整正则表达式即可兼容

内容的提问来源于stack exchange，提问作者HansK