Python 字符串文字、正则表达式和 sed

Question

我是 Python 新手。

我正在使用 python 脚本将一系列文件导入 sqlite3 数据库。一些原始文件包含虚假的^M 字符，将记录分成多行。

以下 sed 命令正确删除了 ^M 并将这两行连接起来，创建了一条有效记录。

sed -i '/^M^M$/ {s/^M//g;N;s/\n//};' <file>

上面的^M 是用CTRL+V CTRL+M 序列创建的。

sed 调用的 Python 行是：

cmd = "sed -i '/\^M\^M$/ {s/\^M//g; N; s/\n////g; };' %s" % (file)
os.system(cmd)

我在 Python 中尝试了各种转义序列（包括三个'''）并得到解析错误，包括 unterminated address regex、unterminated 's' command 和 unknown option to 's'，并且没有转义 ^M 我很难-停止SyntaxError: EOL while scanning string literal的解析错误

我该怎么做

a) 对 sed 调用进行编码，以便在使用 os.system(cmd) 调用时正确执行

或

b) 直接在 python 中执行等效替换（可能更可取，但我希望能够一次执行多种类型的校正，而不是每种校正类型一次）。

谢谢。

Answer 1

^M 字符是Carriage Return (CR)。这是python中的'\r'字符。

所以，我想，这应该可以正常工作：

cmd = "sed -i '/\r\r$/ {s/\r//g; N; s/\\n////g; };' %s" % (file)
os.system(cmd)

Answer 2

完全在 Python 中执行此操作会容易得多，特别是因为您说要执行多个替换。回车符是"\r"。

该任务的未测试代码如下：

replacements = (("\r", ""),
                ("one", "two"),
                ("three", "four"))
with open(filename, "r") as fin, open(filename+".new", "w") as fout:
    data = fin.read()
    for t1, t2 in replacements:
        data = data.replace(t1, t2)
    fout.write(data)

然后，读者可以练习重命名输出文件以覆盖输入文件。请注意，顺便说一下，此代码明确设计用于处理文本文件。在 Python 3 中，这会有所作为。