import codecs
import re
import sys
for line in codecs.open(sys.argv[1], encoding="UTF8", errors='ignore'):
for unit in re.split('([\u0E00-\u0EFF]+)', line):
if re.match('[\u0E00-\u0EFF]+', unit):
print(unit)
(I used Python 3.2.x)
“พระผู้มีพระภาคตรัสว่า ดูกรภิกษุทั้งหลาย คนพวกอื่นจะพึงกล่าวติเรา ติพระธรรม ติพระสงฆ์ ก็ตาม เธอทั้งหลายไม่ควรอาฆาต ไม่ควรโทมนัสน้อยใจ ไม่ควรแค้นใจในคนเหล่านั้น ดูกรภิกษุทั้งหลาย คนพวกอื่นจะพึงกล่าวติเรา ติพระธรรม ติพระสงฆ์ ถ้าเธอทั้งหลายจักขุ่นเคือง หรือจักโทมนัสน้อยใจในคนเหล่านั้น อันตรายจะพึงมีแก่เธอทั้งหลาย เพราะเหตุนั้นเป็นแน่ ดูกรภิกษุทั้งหลาย คนพวกอื่นจะพึงกล่าวติเรา ติพระธรรม ติพระสงฆ์ ถ้าเธอทั้งหลายจักขุ่นเคือง หรือจักโทมนัสน้อยใจในคนเหล่านั้น เธอทั้งหลายจะพึงรู้คำที่เขาพูดถูก หรือคำที่เขาพูดผิดได้ ละหรือ?”
