Question

我是Python的新手，我遇到了正则表达式问题。我正在尝试删除文本文件中每行末尾的换行符，但前提是它跟在小写字母后面，即[a-z]。如果该行的结尾以小写字母结尾，我想用空格替换换行符/换行符。

这是我到目前为止所得到的：

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

尝试

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

\Z仅在字符串末尾匹配，在最后一个换行符后，所以它绝对不是您需要的。 Python正则表达式引擎无法识别\z。

(?<=[a-z])是positive lookbehind assertion，用于检查当前位置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。使反斜杠更容易处理。

Answer 2

作为一个替代答案，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)

...这可以避免将整个文件加载到字符串中。如果你想使用更少的线条，但仍然避免积极的外观，你可以这样做：

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) [打开多行匹配]
([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或换行符，以涵盖\n，\r\n和\r]
$ [匹配字符串的结尾]

...如果匹配行，则小写字母和行结尾将替换为\\1，小写字母后跟空格。

Answer 3

我的观点是避免使用正面的lookbehind可能会使代码更具可读性

行。虽然，就个人而言，我发现它的可读性不高。这是一个品味问题。

在你的编辑中：

首先，（？m）是没有必要的，因为 for ifp中的行：一次选择一行，因此只有一行换行每行的结尾
其次，放置 $ ，没有效用，因为它总是匹配字符串行的结尾。

任何方式，采用你的观点，我发现了两种方式来避免看到后面的断言：

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，一个简单的匹配测试，不需要groups（），自然逻辑

编辑：哦，我意识到第二个代码只是你在第一行重写的代码，Longair

正则表达式删除换行符

3 个答案: