Question

我正在清理一些网页，这些网页由于某种原因在标签之间有大约8个换行符。我想删除其中的大多数，我试过这个

perl -pi -w -e "s/\n\n//g" *.html

但没有运气。为了更好的衡量，我尝试了

perl -pi -w -e "s/\n//g" *.html

它确实删除了我的所有换行符。我做错了什么？

修改我也试过\r\n\r\n，同样的交易。作为一个单独的换行符，对两个连续换行没有任何作用。

Answer 1

使用-0：

perl -pi -0 -w -e "s/\n\n//g" *.html

问题是默认情况下-p一次读取一行文件。没有带有两个换行符的行，所以你找不到任何换行符。 -0将行尾字符更改为"\0"，这可能在您的文件中不存在，因此它会立即处理整个文件。（即使文件确实包含NUL，您也在寻找连续的换行符，因此以NUL分隔的块处理它不会有问题。）

您可能也想调整正则表达式，但很难确切地确定您想要的是什么。试试s/\n\n+/\n/g，它会用一个换行符替换任意数量的连续换行符。

如果文件非常大，则可能没有足够的内存将其加载到一个块中。解决此问题的方法是选择一些常用的字符，将文件拆分为可管理的块，并告诉Perl将其用作行结束字符。但它也必须是一个不会出现在你想要替换的比赛中的角色。例如，-0x2e会将文件拆分为"."（ASCII 0x2E）。

Answer 2

我试图在一个大文件上使用上面的建议替换一个双换行（2.3G）对于大文件，它会在尝试一次读取整个文件时出错。因此，不要寻找双重换行符，只需查找唯一的char是换行符的行：

perl -pi -w -e 's/^\n$//' file.txt