正则表达式删除换行符

Question

我是 Python 的新手，但遇到了一个正则表达式问题。我正在尝试删除文本文件中每行末尾的换行符，但前提是它遵循小写字母，即[a-z]。如果行尾以小写字母结尾，我想用空格替换换行符/换行符。

这是我目前得到的：

import re
import sys

textout = open("output.txt","w")
textblock = open(sys.argv[1]).read()
textout.write(re.sub("[a-z]\z","[a-z] ", textblock, re.MULTILINE) )
textout.close()

Answer 1

我的观点是，避免使用正面的lookbehind 可能会使代码更具可读性

好的。不过，就我个人而言，我认为它的可读性并不低。这是一个品味问题。

在您的编辑中：

• 首先，(?m) 不是必需的，因为 for line in ifp: 一次选择一行，因此在每行字符串的结尾

• 其次，$ 放置后没有实用性，因为它总是匹配字符串行的结尾。

无论如何，采用您的观点，我找到了两种避免后向断言的方式：

with open(sys.argv[1]) as ifp:
    with open("output.txt", "w") as ofp:
        for line in ifp:
            ante_newline,lower_last = re.match('(.*?([a-z])?$)',line).groups()
            ofp.write(ante_newline+' ' if lower_last else line)

和

with open(sys.argv[1]) as ifp:
    with open("output.txt", "w") as ofp:
        for line in ifp:
            ofp.write(line.strip('\r\n')+' ' if re.search('[a-z]$',line) else line)

第二个更好：只有一行，简单的匹配测试，不需要groups()，自然逻辑

编辑：哦，我意识到这第二个代码只是您在一行中重写的第一个代码，Longair

Answer 2

作为替代答案，虽然它需要更多的行，但我认为以下可能更清楚，因为正则表达式更简单：

import re
import sys

with open(sys.argv[1]) as ifp:
    with open("output.txt", "w") as ofp:
        for line in ifp:
            if re.search('[a-z]$',line):
                ofp.write(line.rstrip("\n\r")+" ")
            else:
                ofp.write(line)

... 这样可以避免将整个文件加载到字符串中。如果您想使用更少的行，但仍要避免后视，您可以这样做：

import re
import sys

with open(sys.argv[1]) as ifp:
    with open("output.txt", "w") as ofp:
        for line in ifp:
            ofp.write(re.sub('(?m)([a-z])[\r\n]+$','\\1 ',line))

该正则表达式的部分是：

• (?m) [开启多行匹配]
• ([a-z]) [匹配单个小写字符作为第一组]
• [\r\n]+ [匹配一个或多个回车符或换行符，以覆盖\n、\r\n 和\r]
• $ [匹配字符串结尾]

...如果匹配行，小写字母和行尾被替换为\\1，这将是小写字母后跟一个空格。

Answer 3

试试

re.sub(r"(?<=[a-z])\r?\n"," ", textblock)

\Z 只匹配字符串的末尾，在最后一个换行符之后，所以这里绝对不是你需要的。 \z 无法被 Python 正则表达式引擎识别。

(?<=[a-z]) 是一个positive lookbehind assertion，用于检查当前位置之前的字符是否为小写 ASCII 字符。只有这样，正则表达式引擎才会尝试匹配换行符。

此外，始终使用带有正则表达式的原始字符串。使反斜杠更易于处理。