Question

我有一些文件可以使用\r，\n或\r\n作为换行模式。

我正在尝试将所有这些内容更改为\r\n，并删除连续的换行符。从理论上讲，这很容易，并且有很多非常简单的正则表达式should work。

但实际上，

text = re.sub(
    reg_exp,
    r'\r\n',
    text)

在此字符串上（块字母表示行结尾），

<ul>

   <li><a href="#">link</a></li>

   <li><a href="#">link</a></li>
   <li><a href="#">link</a></li>

   <li><a href="#">link</a></li>

</ul>

reg_exp = r'[\r\n]{2,}'，生成

<ul>

   <li><a href="#">link</a></li>

   <li><a href="#">link</a></li>
   <li><a href="#">link</a></li>

   <li><a href="#">link</a></li>

</ul>

reg_exp = r'[\r\n]+'，生成

<ul>

   <li><a href="#">link</a></li>

   <li><a href="#">link</a></li>

   <li><a href="#">link</a></li>

   <li><a href="#">link</a></li>

</ul>

我无法弄明白为什么。

由于某种原因，我的正则表达式是否与\r不匹配？

Answer 1

您还可以在字符串上使用splitlines（）并使用'\ r \ n'

连接这些行

>>> text = '<ul>\r\n \r\n <li><a href="#">link</a></li>\r\n \r\n <li><a href="#">link</a></li>\r\n <li><a href="#">link</a></li>\r\n \r\n <li><a href="#">link</a></li>\r\n \r\n </ul>\r\n\r \n'
>>> print '\r\n'.join([x for x in text.splitlines() if x.strip()])
<ul>
 <li><a href="#">link</a></li>
 <li><a href="#">link</a></li>
 <li><a href="#">link</a></li>
 <li><a href="#">link</a></li>
 </ul>

Answer 2

好吧，我不确定你是否正确复制/粘贴了你的示例字符串，但每次出现\r\n字符串之间都有一个额外的字符，所以基本上是以下正则表达式：

re.sub(r'(\r\n.?)+', r'\r\n', text)

将删除以下任何内容：

\r\n\r\n
\r\n \r\n
\r\n\n\r\n
\r\n\r\n\r\n
\r\n \r\n \r\n
\r\n\r\n \r\n
\r\n \r\n\r\n
...

完整测试：

>>> text =  """<ul>\r\n \r\n <li><a href="#">link</a></li>\r\n \r\n <li><a href="#">link</a></li>\r\n <li><a href="#">link</a></li>\r\n \r\n <li><a href="#">link</a></li>\r\n \r\n </ul>\r\n"""
>>> print text
<ul>

 <li><a href="#">link</a></li>

 <li><a href="#">link</a></li>
 <li><a href="#">link</a></li>

 <li><a href="#">link</a></li>

 </ul>
>>> print re.sub(r'(\r\n.?)+', r'\r\n', text).__repr__()
'<ul>\r\n<li><a href="#">link</a></li>\r\n<li><a href="#">link</a></li>\r\n<li><a href="#">link</a></li>\r\n<li><a href="#">link</a></li>\r\n</ul>\r\n'
>>> print re.sub(r'(\r\n.?)+', r'\r\n', text)
<ul>
<li><a href="#">link</a></li>
<li><a href="#">link</a></li>
<li><a href="#">link</a></li>
<li><a href="#">link</a></li>
</ul>

N.B：

以下正则表达式：

print re.sub(r'([\r\n]+.?)+', r'\r\n', text)

也可以，并且只支持\n字符串。

HTH

Answer 3

事实证明问题是当Python 将字符串写回Windows文件系统时。它做了一些关于如何处理行结尾的意外决定。具体来说，它决定：

\r应该写\r
\n应该写 \r\n（什么！？）

事实证明，zmo和Louis的答案都可以在Python控制台中使用，问题中的代码也是如此。

为了完整起见，这就是write()的样子：

with open(file_name, 'r+') as f:
    text = f.read()

    # text = re.sub(...)

    f.seek(0)
    f.write(text)
    f.truncate()

删除字符串中的重复换行符

3 个答案: