删除字符串中的重复换行符

Question

我有一些文件可以使用\r，\n或\r\n作为他们的换行模式。

我试图将所有这些更改为\r\n，并删除连续的换行符。从理论上讲，这很简单，任何数量的非常简单的正则表达式should work。

但在实践中，

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

在这个字符串上（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>🆁🅽

• 对于reg_exp = r'[\r\n]{2,}'，制作

  <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>🆁🅽

• 对于reg_exp = r'[\r\n]+'，制作

  <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>🆁
  🆁🅽

我无法弄清楚为什么。

由于某种原因，我的正则表达式与\r不匹配吗？

Answer 1

好吧，我不确定你是否正确复制/粘贴了你的示例字符串，但是每次出现\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)

将删除任何：

\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
...

全面测试：

>>> 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)

也适用，并且只支持\n字符串。

HTH

Answer 2

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 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都有在Python控制台中运行的答案，问题中的代码也是如此。

为了完整性，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()