用双换行符分割，优先处理crlf

Question

完成此操作的天真的方法是：

import re
re.split(r'(?:\r\n|\r|\n){2}', '...')

但是：

>>> re.split(r'(?:\r\n|\r|\n){2}', '\r\n\r\n\r\n')
['', '', '']

在这种情况下，我想获得['', '\r\n']。我可能需要某种占有欲，或使其无法回溯。有办法吗？

Answer 1

您可以使用环视法来限制\n和\r的匹配位置，以免在CRLF中匹配它们：

r'(?:\r\n|\r(?!\n)|(?<!\r)\n){2}'

Python测试：

>>> import re
>>> re.split(r'(?:\r\n|\r(?!\n)|(?<!\r)\n){2}', '\r\n\r\n\r\n')
['', '\r\n']

查看正则表达式图：

详细信息

• (?:\r\n|\r(?!\n)|(?<!\r)\n){2}-一个非捕获组（如果您正在捕获一个组，则最后一次迭代捕获的值也将通过re.split输出到结果列表中），该组与以下两个重复项匹配：
  • \r\n-CRLF序列
  • |-或
  • \r(?!\n)-CR符号后没有LF
  • |-或
  • (?<!\r)\n-LF符号前面没有CR。