使用正则表达式折叠除多个空行之外的空格答案

【问题标题】：Collapse whitespace except multiple blank lines using regular expressions使用正则表达式折叠除多个空行之外的空格
【发布时间】：2013-02-08 12:32:47
【问题描述】：

过去我不止一次想知道格式化文本块的问题，以便所有运行的空白都“折叠”到一个空格中，除了应该保留段落 - 这意味着所有运行的空白行折叠成单个空行，但不折叠成一个空格。

空白行当然是两个行尾字符（通常是回车或换行或两者），没有任何中间的非空白字符。（可能还有其他空格，例如空格或制表符）。

这肯定是一个相当普遍的问题，虽然解决起来并不难，但我总是对我的解决方案不满意，这些解决方案缺乏优雅或存在漏洞。当然有一种优雅的表达方式可以做到这一点。

我将把它开放给所有正则表达式风格，因为我想至少在 Perl、Vim 和 JavaScript 中这样做。这是我最近在 node.js 中懒惰的尝试，漏洞显然是魔术词。这可能是我使用过的不令人满意的解决方案的典型：:

text = text.replace(/\r?\n(?:\s*\r?\n)+/g, '_SomeMagicWord_');
text = text.replace(/\s\s+/gm, ' ');
text = text.replace(/_SomeMagicWord_/g, '\r\n\r\n');

如果我的解释不清楚，它应该从这个转换：

富吧巴兹
弗雷德·巴尼·威尔玛

一二三

到这里：

富吧巴兹弗雷德巴尼威尔玛

一二三

（也要注意行尾的尾随空格！）

【问题讨论】：

标签： regex whitespace text-formatting blank-line

【解决方案1】：

sed:

sed -n 'H;$g;$s/[^\n]\n[^\n]/ /g;$s/\n\n\n*/\n\n/g;$s/  */ /g;$s/^\n//;$p' FILENAME

Perl：

perl -ne '$a.=$_;END{$_=$a;s/  */ /g;s/[^\n]\n[^\n]/ /g;s/\n\n\n*/\n\n/g;print}' FILENAME

【讨论】：

目前我在 Windows 上并且无法访问 sed，我也不知道 sed，所以我无法自己解析它。如果单行是 Windows 友好的，我会尝试 Perl...
在 Windows 上，Perl 需要 " 而不是 '，即使进行了更改，我也会丢失所有段落格式（双空行）。
啊。在您的示例中，您将四重换行符更改为单个换行符。您能否生成一个对我来说更具描述性的示例输入和输出？（以及段落格式）当我测试时，我的两个程序都可以使用原始帖子中发布的示例。
我的两个程序都应该将两个或多个连续的换行符变成一个换行符。
对不起！我想也许在我做对之后，Stack Exchange 渲染的降价或其他部分改变了它。让我调查一下……现在修复。它应该将单个换行符变成一个空格，将两个或多个连续的换行符变成正好两个换行符。

【解决方案2】：

我刚刚又遇到了这个问题。这次我使用的是 node.js，我觉得我想出了一个非常有表现力的解决方案：

txt = txt.replace(/\s+/g, function (ws) {
  return /\n.*\n/.test(ws) ? '\n\n' : ' ';
});

txt = txt.replace(/(^( |\n\n)|( |\n\n)$)/g, '');

第一部分考虑文本中的每一行空白，并检查其中是否至少有两个换行符。如果是这样，它会折叠成一个段落分隔符（两个连续的换行符，没有别的）。否则它会折叠成一个空格。

第二部分修剪文本开头和结尾的所有剩余空白，此时每个空白可能只是一个空格或一对换行符。

（我看到的唯一限制是 JavaScript 的 \s 施加的限制，它不匹配所有 Unicode 空白代码点；并且可以选择输出 MS 样式的换行符 \r\n 而不是 \n。）

【讨论】：