structure_strings/ASCII_babellic_war/.ipynb_checkpoints/ASCII_babel_war-checkpoint.ipynb

In [20]:

# print ascii encoding of a character

In [65]:

ascii("你")

Out[65]:

"'\\u4f60'"

In [66]:

# what is this ascii standard?

In [67]:

ascii("a")

Out[67]:

"'a'"

In [68]:

# try ord 

In [69]:

ord("a")

Out[69]:

97

In [70]:

ord("A")

Out[70]:

65

In [71]:

#Print alphabet lower and upper case
alphabet = ["a","b","c","d","e","f","g","h","i","j","k","l","m","n","o","p","q","r","s","t","u","v","w","x","y","z"]
ALPHABET = []
for letter in alphabet: ALPHABET.append(letter.upper())

In [72]:

print("Printing corresponding ASCII numerical representation :")
for letter in alphabet:   
    print("{} :".format (letter) + str (ord(letter)), end = " ")

Printing corresponding ASCII numerical representation :
a :97 b :98 c :99 d :100 e :101 f :102 g :103 h :104 i :105 j :106 k :107 l :108 m :109 n :110 o :111 p :112 q :113 r :114 s :115 t :116 u :117 v :118 w :119 x :120 y :121 z :122 

In [73]:

print("Printing corresponding ASCII numerical representation :")
for LETTER in ALPHABET:   
    print("{} :".format (LETTER) + str (ord(LETTER)), end = " ")

Printing corresponding ASCII numerical representation :
A :65 B :66 C :67 D :68 E :69 F :70 G :71 H :72 I :73 J :74 K :75 L :76 M :77 N :78 O :79 P :80 Q :81 R :82 S :83 T :84 U :85 V :86 W :87 X :88 Y :89 Z :90 

In [74]:

# the lower case letter representing the same letter is +32 of the capital letter, and thus the following hack 
# without using the upper() method in Python

In [75]:

# takes input of a lower case char
def upperHack(c):
    # get number of the lower case letter
    l_num = ord(c)
    u_num = l_num - 32
    # return the upper case letter from u_num with chr()method
    return chr(u_num)

In [76]:

upperHack("c")

Out[76]:

'C'

In [77]:

# a vice versa method
def lowerHack(C):
    # get number of the lower case letter
    u_num = ord(C)
    l_num = u_num + 32
    # return the upper case letter from u_num with chr()method
    return chr(l_num)

In [78]:

lowerHack("C")

Out[78]:

'c'

In [79]:

# 好，现在我们把西文的方法应用到中文里去
# 拉丁语系下的西文中的词由字母构成；中文里的字由笔划构成。
# 我们先从系统层面思考：笔划是构造单个汉字的材料，在python中可以实现对笔划的探索性编程（exploratory programming）
# 或者，我们可以在“语料库”的系统层面思考。
#《千字文》中包含了一千个不重复的汉字，我们可以理解为这是古人的“识字课本”。
# 汉字和千字文之间个体与系统的关系，好比“永字八法”中，笔划和“永”字之间的关系。
# 以王羲之的永字为范本，学童反复摹习，掌握“永”字中的“侧、勒、弩、趯、策、掠、啄、磔”，以期掌握写好每一个汉字。
# 同样，以千字文为范本，学童反复背诵研习，为了识字，并以“字”为单位行文。

In [80]:

# read in "A Thousand Character Essay"
thousand_w = open("files/thousand_char_essay.txt","r")
corpus = thousand_w.read(None)
print(corpus)

天地玄黄，宇宙洪荒。日月盈昃，辰宿列张。4
寒来暑往，秋收冬藏。闰余成岁，律吕调阳。8
云腾致雨，露结为霜。金生丽水，玉出昆冈。12
剑号巨阙，珠称夜光。果珍李柰，菜重芥姜。16
海咸河淡，鳞潜羽翔。龙师火帝，鸟官人皇。20
始制文字，乃服衣裳。推位让国，有虞陶唐。24
吊民伐罪，周发殷汤。坐朝问道，垂拱平章。28
爱育黎首，臣伏戎羌。遐迩壹体，率宾归王。32
鸣凤在树，白驹食场。化被草木，赖及万方。36
盖此身发，四大五常。恭惟鞠养，岂敢毁伤。40
女慕贞洁，男效才良。知过必改，得能莫忘。44
罔谈彼短，靡恃己长。信使可覆，器欲难量。48
墨悲丝染，诗赞羔羊。景行维贤，克念作圣。52
德建名立，形端表正。空谷传声，虚堂习听。56
祸因恶积，福缘善庆。尺璧非宝，寸阴是竞。60
资父事君，曰严与敬。孝当竭力，忠则尽命。64
临深履薄，夙兴温凊。似兰斯馨，如松之盛。68
川流不息，渊澄取映。容止若思，言辞安定。72
笃初诚美，慎终宜令。荣业所基，藉甚无竟。76
学优登仕，摄职从政。存以甘棠，去而益咏。80
乐殊贵贱，礼别尊卑。上和下睦，夫唱妇随。84
外受傅训，入奉母仪。诸姑伯叔，犹子比儿。88
孔怀兄弟，同气连枝。交友投分，切磨箴规。92
仁慈隐恻，造次弗离。节义廉退，颠沛匪亏。96
性静情逸，心动神疲。守真志满，逐物意移。100
坚持雅操，好爵自縻。都邑华夏，东西二京。104
背邙面洛，浮渭据泾。宫殿盘郁，楼观飞惊。108
图写禽兽，画彩仙灵。丙舍傍启，甲帐对楹。112
肆筵设席，鼓瑟吹笙。升阶纳陛，弁转疑星。116
右通广内，左达承明。既集坟典，亦聚群英。120
杜稿钟隶，漆书壁经。府罗将相，路侠槐卿。124
户封八县，家给千兵。高冠陪辇，驱毂振缨。128
世禄侈富，车驾肥轻。策功茂实，勒碑刻铭。132
磻溪伊尹，佐时阿衡。奄宅曲阜，微旦孰营。136
桓公匡合，济弱扶倾。绮回汉惠，说感武丁。140
俊乂密勿，多士实宁。晋楚更霸，赵魏困横。144
假途灭虢，践土会盟。何遵约法，韩弊烦刑。148
起翦颇牧，用军最精。宣威沙漠，驰誉丹青。152
九州禹迹，百郡秦并。岳宗恒岱，禅主云亭。156
雁门紫塞，鸡田赤城。昆池碣石，巨野洞庭。160
旷远绵邈，岩岫杳冥。治本于农，务兹稼穑。164
俶载南亩，我艺黍稷。税熟贡新，劝赏黜陟。168
孟轲敦素，史鱼秉直。庶几中庸，劳谦谨敕。172
聆音察理，鉴貌辨色。贻厥嘉猷，勉其祗植。176
省躬讥诫，宠增抗极。殆辱近耻，林皋幸即。180
两疏见机，解组谁逼。索居闲处，沉默寂寥。184
求古寻论，散虑逍遥。欣奏累遣，戚谢欢招。188
渠荷的历，园莽抽条。枇杷晚翠，梧桐早凋。192
陈根委翳，落叶飘摇。游鹍独运，凌摩绛霄。196
耽读玩市，寓目囊箱。易輶攸畏，属耳垣墙。200
具膳餐饭，适口充肠。饱饫烹宰，饥厌糟糠。204
亲戚故旧，老少异粮。妾御绩纺，侍巾帷房。208
纨扇圆洁，银烛炜煌。昼眠夕寐，蓝笋象床。212
弦歌酒宴，接杯举觞。矫手顿足，悦豫且康。216
嫡后嗣续，祭祀烝尝。稽颡再拜，悚惧恐惶。220
笺牒简要，顾答审详。骸垢想浴，执热愿凉。224
驴骡犊特，骇跃超骧。诛斩贼盗，捕获叛亡。228
布射辽丸，嵇琴阮啸。恬笔伦纸，钧巧任钓。232
释纷利俗，并皆佳妙。毛施淑姿，工颦妍笑。236
年矢每催，曦晖朗曜。璇玑悬斡，晦魄环照。240
指薪修祜，永绥吉劭。矩步引领，俯仰廊庙。244
束带矜庄，徘徊瞻眺。孤陋寡闻，愚蒙等诮。248
谓语助者，焉哉乎也。250

In [81]:

# remove counter numbers from corpus 
clean_corpus=[]
for word in corpus:
    if word.isdigit() is not True:
        clean_corpus.append(word)

In [82]:

# print(clean_corpus)
clean_corpus_s = " "
clean_corpus_s = "".join(str(x) for x in clean_corpus)
print(clean_corpus_s)

天地玄黄，宇宙洪荒。日月盈昃，辰宿列张。
寒来暑往，秋收冬藏。闰余成岁，律吕调阳。
云腾致雨，露结为霜。金生丽水，玉出昆冈。
剑号巨阙，珠称夜光。果珍李柰，菜重芥姜。
海咸河淡，鳞潜羽翔。龙师火帝，鸟官人皇。
始制文字，乃服衣裳。推位让国，有虞陶唐。
吊民伐罪，周发殷汤。坐朝问道，垂拱平章。
爱育黎首，臣伏戎羌。遐迩壹体，率宾归王。
鸣凤在树，白驹食场。化被草木，赖及万方。
盖此身发，四大五常。恭惟鞠养，岂敢毁伤。
女慕贞洁，男效才良。知过必改，得能莫忘。
罔谈彼短，靡恃己长。信使可覆，器欲难量。
墨悲丝染，诗赞羔羊。景行维贤，克念作圣。
德建名立，形端表正。空谷传声，虚堂习听。
祸因恶积，福缘善庆。尺璧非宝，寸阴是竞。
资父事君，曰严与敬。孝当竭力，忠则尽命。
临深履薄，夙兴温凊。似兰斯馨，如松之盛。
川流不息，渊澄取映。容止若思，言辞安定。
笃初诚美，慎终宜令。荣业所基，藉甚无竟。
学优登仕，摄职从政。存以甘棠，去而益咏。
乐殊贵贱，礼别尊卑。上和下睦，夫唱妇随。
外受傅训，入奉母仪。诸姑伯叔，犹子比儿。
孔怀兄弟，同气连枝。交友投分，切磨箴规。
仁慈隐恻，造次弗离。节义廉退，颠沛匪亏。
性静情逸，心动神疲。守真志满，逐物意移。
坚持雅操，好爵自縻。都邑华夏，东西二京。
背邙面洛，浮渭据泾。宫殿盘郁，楼观飞惊。
图写禽兽，画彩仙灵。丙舍傍启，甲帐对楹。
肆筵设席，鼓瑟吹笙。升阶纳陛，弁转疑星。
右通广内，左达承明。既集坟典，亦聚群英。
杜稿钟隶，漆书壁经。府罗将相，路侠槐卿。
户封八县，家给千兵。高冠陪辇，驱毂振缨。
世禄侈富，车驾肥轻。策功茂实，勒碑刻铭。
磻溪伊尹，佐时阿衡。奄宅曲阜，微旦孰营。
桓公匡合，济弱扶倾。绮回汉惠，说感武丁。
俊乂密勿，多士实宁。晋楚更霸，赵魏困横。
假途灭虢，践土会盟。何遵约法，韩弊烦刑。
起翦颇牧，用军最精。宣威沙漠，驰誉丹青。
九州禹迹，百郡秦并。岳宗恒岱，禅主云亭。
雁门紫塞，鸡田赤城。昆池碣石，巨野洞庭。
旷远绵邈，岩岫杳冥。治本于农，务兹稼穑。
俶载南亩，我艺黍稷。税熟贡新，劝赏黜陟。
孟轲敦素，史鱼秉直。庶几中庸，劳谦谨敕。
聆音察理，鉴貌辨色。贻厥嘉猷，勉其祗植。
省躬讥诫，宠增抗极。殆辱近耻，林皋幸即。
两疏见机，解组谁逼。索居闲处，沉默寂寥。
求古寻论，散虑逍遥。欣奏累遣，戚谢欢招。
渠荷的历，园莽抽条。枇杷晚翠，梧桐早凋。
陈根委翳，落叶飘摇。游鹍独运，凌摩绛霄。
耽读玩市，寓目囊箱。易輶攸畏，属耳垣墙。
具膳餐饭，适口充肠。饱饫烹宰，饥厌糟糠。
亲戚故旧，老少异粮。妾御绩纺，侍巾帷房。
纨扇圆洁，银烛炜煌。昼眠夕寐，蓝笋象床。
弦歌酒宴，接杯举觞。矫手顿足，悦豫且康。
嫡后嗣续，祭祀烝尝。稽颡再拜，悚惧恐惶。
笺牒简要，顾答审详。骸垢想浴，执热愿凉。
驴骡犊特，骇跃超骧。诛斩贼盗，捕获叛亡。
布射辽丸，嵇琴阮啸。恬笔伦纸，钧巧任钓。
释纷利俗，并皆佳妙。毛施淑姿，工颦妍笑。
年矢每催，曦晖朗曜。璇玑悬斡，晦魄环照。
指薪修祜，永绥吉劭。矩步引领，俯仰廊庙。
束带矜庄，徘徊瞻眺。孤陋寡闻，愚蒙等诮。
谓语助者，焉哉乎也。

In [83]:

import re 
# print the ascii number of each text
punctuation = ["，","。"]
line_break = "\n"
ascii_corpus = ""
ascii_num = ""

#ascii_corpus = "".join(x for x in clean_corpus)


for character in clean_corpus_s:
    #print puntuation as is
    if character in punctuation: 
        #print(character)
        # TODO remove unicode \u
        ascii_corpus += character
    elif character == line_break:
        pass
        ascii_corpus += "\n"
    else:
        ascii_num = ascii(character)
        #print(ascii_num)
        ascii_corpus += ascii_num
print(ascii_corpus)

'\u5929''\u5730''\u7384''\u9ec4'，'\u5b87''\u5b99''\u6d2a''\u8352'。'\u65e5''\u6708''\u76c8''\u6603'，'\u8fb0''\u5bbf''\u5217''\u5f20'。
'\u5bd2''\u6765''\u6691''\u5f80'，'\u79cb''\u6536''\u51ac''\u85cf'。'\u95f0''\u4f59''\u6210''\u5c81'，'\u5f8b''\u5415''\u8c03''\u9633'。
'\u4e91''\u817e''\u81f4''\u96e8'，'\u9732''\u7ed3''\u4e3a''\u971c'。'\u91d1''\u751f''\u4e3d''\u6c34'，'\u7389''\u51fa''\u6606''\u5188'。
'\u5251''\u53f7''\u5de8''\u9619'，'\u73e0''\u79f0''\u591c''\u5149'。'\u679c''\u73cd''\u674e''\u67f0'，'\u83dc''\u91cd''\u82a5''\u59dc'。
'\u6d77''\u54b8''\u6cb3''\u6de1'，'\u9cde''\u6f5c''\u7fbd''\u7fd4'。'\u9f99''\u5e08''\u706b''\u5e1d'，'\u9e1f''\u5b98''\u4eba''\u7687'。
'\u59cb''\u5236''\u6587''\u5b57'，'\u4e43''\u670d''\u8863''\u88f3'。'\u63a8''\u4f4d''\u8ba9''\u56fd'，'\u6709''\u865e''\u9676''\u5510'。
'\u540a''\u6c11''\u4f10''\u7f6a'，'\u5468''\u53d1''\u6bb7''\u6c64'。'\u5750''\u671d''\u95ee''\u9053'，'\u5782''\u62f1''\u5e73''\u7ae0'。
'\u7231''\u80b2''\u9ece''\u9996'，'\u81e3''\u4f0f''\u620e''\u7f8c'。'\u9050''\u8fe9''\u58f9''\u4f53'，'\u7387''\u5bbe''\u5f52''\u738b'。
'\u9e23''\u51e4''\u5728''\u6811'，'\u767d''\u9a79''\u98df''\u573a'。'\u5316''\u88ab''\u8349''\u6728'，'\u8d56''\u53ca''\u4e07''\u65b9'。
'\u76d6''\u6b64''\u8eab''\u53d1'，'\u56db''\u5927''\u4e94''\u5e38'。'\u606d''\u60df''\u97a0''\u517b'，'\u5c82''\u6562''\u6bc1''\u4f24'。
'\u5973''\u6155''\u8d1e''\u6d01'，'\u7537''\u6548''\u624d''\u826f'。'\u77e5''\u8fc7''\u5fc5''\u6539'，'\u5f97''\u80fd''\u83ab''\u5fd8'。
'\u7f54''\u8c08''\u5f7c''\u77ed'，'\u9761''\u6043''\u5df1''\u957f'。'\u4fe1''\u4f7f''\u53ef''\u8986'，'\u5668''\u6b32''\u96be''\u91cf'。
'\u58a8''\u60b2''\u4e1d''\u67d3'，'\u8bd7''\u8d5e''\u7f94''\u7f8a'。'\u666f''\u884c''\u7ef4''\u8d24'，'\u514b''\u5ff5''\u4f5c''\u5723'。
'\u5fb7''\u5efa''\u540d''\u7acb'，'\u5f62''\u7aef''\u8868''\u6b63'。'\u7a7a''\u8c37''\u4f20''\u58f0'，'\u865a''\u5802''\u4e60''\u542c'。
'\u7978''\u56e0''\u6076''\u79ef'，'\u798f''\u7f18''\u5584''\u5e86'。'\u5c3a''\u74a7''\u975e''\u5b9d'，'\u5bf8''\u9634''\u662f''\u7ade'。
'\u8d44''\u7236''\u4e8b''\u541b'，'\u66f0''\u4e25''\u4e0e''\u656c'。'\u5b5d''\u5f53''\u7aed''\u529b'，'\u5fe0''\u5219''\u5c3d''\u547d'。
'\u4e34''\u6df1''\u5c65''\u8584'，'\u5919''\u5174''\u6e29''\u51ca'。'\u4f3c''\u5170''\u65af''\u99a8'，'\u5982''\u677e''\u4e4b''\u76db'。
'\u5ddd''\u6d41''\u4e0d''\u606f'，'\u6e0a''\u6f84''\u53d6''\u6620'。'\u5bb9''\u6b62''\u82e5''\u601d'，'\u8a00''\u8f9e''\u5b89''\u5b9a'。
'\u7b03''\u521d''\u8bda''\u7f8e'，'\u614e''\u7ec8''\u5b9c''\u4ee4'。'\u8363''\u4e1a''\u6240''\u57fa'，'\u85c9''\u751a''\u65e0''\u7adf'。
'\u5b66''\u4f18''\u767b''\u4ed5'，'\u6444''\u804c''\u4ece''\u653f'。'\u5b58''\u4ee5''\u7518''\u68e0'，'\u53bb''\u800c''\u76ca''\u548f'。
'\u4e50''\u6b8a''\u8d35''\u8d31'，'\u793c''\u522b''\u5c0a''\u5351'。'\u4e0a''\u548c''\u4e0b''\u7766'，'\u592b''\u5531''\u5987''\u968f'。
'\u5916''\u53d7''\u5085''\u8bad'，'\u5165''\u5949''\u6bcd''\u4eea'。'\u8bf8''\u59d1''\u4f2f''\u53d4'，'\u72b9''\u5b50''\u6bd4''\u513f'。
'\u5b54''\u6000''\u5144''\u5f1f'，'\u540c''\u6c14''\u8fde''\u679d'。'\u4ea4''\u53cb''\u6295''\u5206'，'\u5207''\u78e8''\u7bb4''\u89c4'。
'\u4ec1''\u6148''\u9690''\u607b'，'\u9020''\u6b21''\u5f17''\u79bb'。'\u8282''\u4e49''\u5ec9''\u9000'，'\u98a0''\u6c9b''\u532a''\u4e8f'。
'\u6027''\u9759''\u60c5''\u9038'，'\u5fc3''\u52a8''\u795e''\u75b2'。'\u5b88''\u771f''\u5fd7''\u6ee1'，'\u9010''\u7269''\u610f''\u79fb'。
'\u575a''\u6301''\u96c5''\u64cd'，'\u597d''\u7235''\u81ea''\u7e3b'。'\u90fd''\u9091''\u534e''\u590f'，'\u4e1c''\u897f''\u4e8c''\u4eac'。
'\u80cc''\u9099''\u9762''\u6d1b'，'\u6d6e''\u6e2d''\u636e''\u6cfe'。'\u5bab''\u6bbf''\u76d8''\u90c1'，'\u697c''\u89c2''\u98de''\u60ca'。
'\u56fe''\u5199''\u79bd''\u517d'，'\u753b''\u5f69''\u4ed9''\u7075'。'\u4e19''\u820d''\u508d''\u542f'，'\u7532''\u5e10''\u5bf9''\u6979'。
'\u8086''\u7b75''\u8bbe''\u5e2d'，'\u9f13''\u745f''\u5439''\u7b19'。'\u5347''\u9636''\u7eb3''\u965b'，'\u5f01''\u8f6c''\u7591''\u661f'。
'\u53f3''\u901a''\u5e7f''\u5185'，'\u5de6''\u8fbe''\u627f''\u660e'。'\u65e2''\u96c6''\u575f''\u5178'，'\u4ea6''\u805a''\u7fa4''\u82f1'。
'\u675c''\u7a3f''\u949f''\u96b6'，'\u6f06''\u4e66''\u58c1''\u7ecf'。'\u5e9c''\u7f57''\u5c06''\u76f8'，'\u8def''\u4fa0''\u69d0''\u537f'。
'\u6237''\u5c01''\u516b''\u53bf'，'\u5bb6''\u7ed9''\u5343''\u5175'。'\u9ad8''\u51a0''\u966a''\u8f87'，'\u9a71''\u6bc2''\u632f''\u7f28'。
'\u4e16''\u7984''\u4f88''\u5bcc'，'\u8f66''\u9a7e''\u80a5''\u8f7b'。'\u7b56''\u529f''\u8302''\u5b9e'，'\u52d2''\u7891''\u523b''\u94ed'。
'\u78fb''\u6eaa''\u4f0a''\u5c39'，'\u4f50''\u65f6''\u963f''\u8861'。'\u5944''\u5b85''\u66f2''\u961c'，'\u5fae''\u65e6''\u5b70''\u8425'。
'\u6853''\u516c''\u5321''\u5408'，'\u6d4e''\u5f31''\u6276''\u503e'。'\u7eee''\u56de''\u6c49''\u60e0'，'\u8bf4''\u611f''\u6b66''\u4e01'。
'\u4fca''\u4e42''\u5bc6''\u52ff'，'\u591a''\u58eb''\u5b9e''\u5b81'。'\u664b''\u695a''\u66f4''\u9738'，'\u8d75''\u9b4f''\u56f0''\u6a2a'。
'\u5047''\u9014''\u706d''\u8662'，'\u8df5''\u571f''\u4f1a''\u76df'。'\u4f55''\u9075''\u7ea6''\u6cd5'，'\u97e9''\u5f0a''\u70e6''\u5211'。
'\u8d77''\u7fe6''\u9887''\u7267'，'\u7528''\u519b''\u6700''\u7cbe'。'\u5ba3''\u5a01''\u6c99''\u6f20'，'\u9a70''\u8a89''\u4e39''\u9752'。
'\u4e5d''\u5dde''\u79b9''\u8ff9'，'\u767e''\u90e1''\u79e6''\u5e76'。'\u5cb3''\u5b97''\u6052''\u5cb1'，'\u7985''\u4e3b''\u4e91''\u4ead'。
'\u96c1''\u95e8''\u7d2b''\u585e'，'\u9e21''\u7530''\u8d64''\u57ce'。'\u6606''\u6c60''\u78a3''\u77f3'，'\u5de8''\u91ce''\u6d1e''\u5ead'。
'\u65f7''\u8fdc''\u7ef5''\u9088'，'\u5ca9''\u5cab''\u6773''\u51a5'。'\u6cbb''\u672c''\u4e8e''\u519c'，'\u52a1''\u5179''\u7a3c''\u7a51'。
'\u4ff6''\u8f7d''\u5357''\u4ea9'，'\u6211''\u827a''\u9ecd''\u7a37'。'\u7a0e''\u719f''\u8d21''\u65b0'，'\u529d''\u8d4f''\u9edc''\u965f'。
'\u5b5f''\u8f72''\u6566''\u7d20'，'\u53f2''\u9c7c''\u79c9''\u76f4'。'\u5eb6''\u51e0''\u4e2d''\u5eb8'，'\u52b3''\u8c26''\u8c28''\u6555'。
'\u8046''\u97f3''\u5bdf''\u7406'，'\u9274''\u8c8c''\u8fa8''\u8272'。'\u8d3b''\u53a5''\u5609''\u7337'，'\u52c9''\u5176''\u7957''\u690d'。
'\u7701''\u8eac''\u8ba5''\u8beb'，'\u5ba0''\u589e''\u6297''\u6781'。'\u6b86''\u8fb1''\u8fd1''\u803b'，'\u6797''\u768b''\u5e78''\u5373'。
'\u4e24''\u758f''\u89c1''\u673a'，'\u89e3''\u7ec4''\u8c01''\u903c'。'\u7d22''\u5c45''\u95f2''\u5904'，'\u6c89''\u9ed8''\u5bc2''\u5be5'。
'\u6c42''\u53e4''\u5bfb''\u8bba'，'\u6563''\u8651''\u900d''\u9065'。'\u6b23''\u594f''\u7d2f''\u9063'，'\u621a''\u8c22''\u6b22''\u62db'。
'\u6e20''\u8377''\u7684''\u5386'，'\u56ed''\u83bd''\u62bd''\u6761'。'\u6787''\u6777''\u665a''\u7fe0'，'\u68a7''\u6850''\u65e9''\u51cb'。
'\u9648''\u6839''\u59d4''\u7ff3'，'\u843d''\u53f6''\u98d8''\u6447'。'\u6e38''\u9e4d''\u72ec''\u8fd0'，'\u51cc''\u6469''\u7edb''\u9704'。
'\u803d''\u8bfb''\u73a9''\u5e02'，'\u5bd3''\u76ee''\u56ca''\u7bb1'。'\u6613''\u8f36''\u6538''\u754f'，'\u5c5e''\u8033''\u57a3''\u5899'。
'\u5177''\u81b3''\u9910''\u996d'，'\u9002''\u53e3''\u5145''\u80a0'。'\u9971''\u996b''\u70f9''\u5bb0'，'\u9965''\u538c''\u7cdf''\u7ce0'。
'\u4eb2''\u621a''\u6545''\u65e7'，'\u8001''\u5c11''\u5f02''\u7cae'。'\u59be''\u5fa1''\u7ee9''\u7eba'，'\u4f8d''\u5dfe''\u5e37''\u623f'。
'\u7ea8''\u6247''\u5706''\u6d01'，'\u94f6''\u70db''\u709c''\u714c'。'\u663c''\u7720''\u5915''\u5bd0'，'\u84dd''\u7b0b''\u8c61''\u5e8a'。
'\u5f26''\u6b4c''\u9152''\u5bb4'，'\u63a5''\u676f''\u4e3e''\u89de'。'\u77eb''\u624b''\u987f''\u8db3'，'\u60a6''\u8c6b''\u4e14''\u5eb7'。
'\u5ae1''\u540e''\u55e3''\u7eed'，'\u796d''\u7940''\u70dd''\u5c1d'。'\u7a3d''\u98a1''\u518d''\u62dc'，'\u609a''\u60e7''\u6050''\u60f6'。
'\u7b3a''\u7252''\u7b80''\u8981'，'\u987e''\u7b54''\u5ba1''\u8be6'。'\u9ab8''\u57a2''\u60f3''\u6d74'，'\u6267''\u70ed''\u613f''\u51c9'。
'\u9a74''\u9aa1''\u728a''\u7279'，'\u9a87''\u8dc3''\u8d85''\u9aa7'。'\u8bdb''\u65a9''\u8d3c''\u76d7'，'\u6355''\u83b7''\u53db''\u4ea1'。
'\u5e03''\u5c04''\u8fbd''\u4e38'，'\u5d47''\u7434''\u962e''\u5578'。'\u606c''\u7b14''\u4f26''\u7eb8'，'\u94a7''\u5de7''\u4efb''\u9493'。
'\u91ca''\u7eb7''\u5229''\u4fd7'，'\u5e76''\u7686''\u4f73''\u5999'。'\u6bdb''\u65bd''\u6dd1''\u59ff'，'\u5de5''\u98a6''\u598d''\u7b11'。
'\u5e74''\u77e2''\u6bcf''\u50ac'，'\u66e6''\u6656''\u6717''\u66dc'。'\u7487''\u7391''\u60ac''\u65a1'，'\u6666''\u9b44''\u73af''\u7167'。
'\u6307''\u85aa''\u4fee''\u795c'，'\u6c38''\u7ee5''\u5409''\u52ad'。'\u77e9''\u6b65''\u5f15''\u9886'，'\u4fef''\u4ef0''\u5eca''\u5e99'。
'\u675f''\u5e26''\u77dc''\u5e84'，'\u5f98''\u5f8a''\u77bb''\u773a'。'\u5b64''\u964b''\u5be1''\u95fb'，'\u611a''\u8499''\u7b49''\u8bee'。
'\u8c13''\u8bed''\u52a9''\u8005'，'\u7109''\u54c9''\u4e4e''\u4e5f'。

In [84]:

# write corpus to a new file
ascii_output = open("files/ascii_output.txt","w")
ascii_output.write(ascii_corpus)

Out[84]:

8312

In [62]:

# more unicode howto
# https://docs.python.org/3/howto/unicode.html

In [63]:

# preserve the original punctuation and layout
# need to turn the list back into a string to preserve string layout? 

In [64]:

thousand_w.close()

In [ ]:

# https://github.com/callmefeifei/baby-names
# https://blog.csdn.net/anmo9499/article/details/101646224
# https://www.cnblogs.com/zhongbin/p/3273086.html