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()
如果RE中没有$且没有^,则不需要标记re.MULTILINE
尝试
re.sub(r"(?<=[a-z])
?
","", textblock)
\Z仅匹配字符串末尾,在最后一个换行符之后,所以它绝对不是你需要的。 Python正则表达式引擎无法识别\Z。
(?<=[a-z])是一个正向的lookbehind断言,用于检查当前位置之前的字符是否为小写ASCII字符。只有这样,正则表达式引擎才会尝试匹配换行符。
此外,始终使用带有正则表达式的原始字符串。使反斜杠更容易处理。
你是对的! ;)
我会用[
]+替换?以命中单个。
@ThiefMaster,它也会删除空行,顺便说一句
@ThiefMaster:周围仍然有Mac使用,并且Python上运行吗?我以为Apple放弃了OS X的行结尾,但我可能完全错了。
希望不是..但你永远不知道有什么糟糕的文件 - 有太多的文件包含和的混合所以我希望一些文件仍然存在。
所以[
]{1,2}会根据我的情况做得更好:(
|
?),其中的可能性是第三个被测试的可能性。
@eyquem:肯定是第二个:(?:
|
?),或者你可能偶然删除两个相邻的Unix换行符。
顺便说一句,这个RE绝对不需要原始字符串。而\Z匹配字符串的结尾,而不是更低
哦,是的。你的?:不需要。
@eyquem:使用原始字符串总是很好的做法。你知道哪些反斜杠逃脱是必要的,哪些不是?这只是消除了一个常见的错误来源。如果我不打算捕获其内容,我也总是喜欢非捕获括号。不仅仅是出于效率原因,而是为了清晰起见,并且因为一些Python正则表达式操作在捕获parens时表现得非常不同。关于\Z和\Z,你适合使用Python - 我发现Python没有实现Perl,.NET,PCRE等常用的行为。
@Tim Pietzcker我不喜欢表达"永远"真理的句子。 Personnaly,我宁愿不使用原始字符串:这迫使我理解我写的内容并记住我的理解。在正则表达式中没有那么多的逃避,我记得更常见的,另一个我验证。这是一个品味问题。我担心RE中使用raw-string会阻止新手真正理解正则表达式编译器对RE的解释。
作为一个替代答案,虽然它需要更多的行,但我认为以下可能更清楚,因为正则表达式更简单:
import re
import sys
with open(sys.argv[1]) as ifp:
with open("output.txt","w") as ofp:
for line in ifp:
if re.search('[a-z]$',line):
ofp.write(line.rstrip("
")+"")
else:
ofp.write(line)
...并且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])[
]+$','\\1 ',line))
正则表达式的部分是:
(?m) [开启多线匹配]
([a-z]) [将单个小写字符作为第一组匹配]
[
]+ [匹配一个或多个回车符或换行符,以涵盖,和]
$ [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。
一行ofp.write(re.sub("(?<=[a-z])(
|
?)","",line)而不是四行
@eyquem:当然,但我的观点是避免使用正面的lookbehind可能会使代码更具可读性,而且额外的三行可能是值得的......好吧,我还是会添加另一个版本。
我的观点是避免使用正面的lookbehind可能会使代码更具可读性
好。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)不是必需的,因为对于ifp中的行:一次选择一行,因此每行的字符串末尾只有一个换行符
其次,$放置时,没有效用,因为它总是匹配字符串行的结尾。
无论如何,采用你的观点,我发现了两种方式来避免看到后面的断言:
with open(sys.argv[1]) as ifp:
with open("output.txt","w") as ofp:
for line in ifp:
ante_newline,lower_last = re.match('(.*?([a-z])?$)',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('
')+' ' 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的第一个代码重写在一行,Longair