代码拉取完成,页面将自动刷新
import codecs
import chardet
from config import Config
def str_q2b(s):
res = ""
for u in s:
c = ord(u)
if c == 12288:
c = 32
elif 65281 <= c <= 65374:
c -= 65248
res += chr(c)
return res
def check_file_encoding(file_name):
f = open(file_name, 'rb')
data = f.read()
detect_result = chardet.detect(data)
print(detect_result)
return detect_result
def generate_single_pairs_from_multi_turn(utterances):
pairs = []
for index in range(len(utterances) - 1):
pairs.append((utterances[index], utterances[index + 1]))
return pairs
def check_format(file_name):
file = codecs.open(file_name, encoding=Config.encoding)
for index, line in enumerate(file):
pair = line.split("\t")
if not len(pair) == 2:
print("error", file_name)
print(line, index, len(pair))
break
file.close()
def format_refine(file_name):
file = codecs.open(file_name, encoding=Config.encoding)
valid_lines = []
for index, line in enumerate(file):
pair = line.split("\t")
if len(pair) == 2:
valid_lines.append(line)
file.close()
file = codecs.open(file_name, "w", encoding=Config.encoding)
for line in valid_lines:
file.write(line)
file.close()
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。