如何在换行符上分割Python字符串

Question

在Windows 7的Python 3中，我把一个网页的内容读入了一个字符串。

接下来，我想把这个字符串按照换行符分割成一个列表。

但是我不能直接在我的代码里把换行符作为split()的参数，因为这样会出现语法错误。

错误信息是：'EOL while scanning string literal'，意思是“在扫描字符串时遇到了行尾”

如果我输入字符\和n，就会出现Unicode错误。

有没有什么办法可以解决这个问题呢？

Answer 1

a.txt

this is line 1
this is line 2

代码：

Python 3.4.0 (default, Mar 20 2014, 22:43:40) 
[GCC 4.6.3] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> file = open('a.txt').read()
>>> file
>>> file.split('\n')
['this is line 1', 'this is line 2', '']

我在用Linux，不过我想你在Windows上用\r\n也能正常工作。

Answer 2

✨ 在Python中分割行：

你试过用 str.splitlines() 方法吗？

• Python 2.X 的文档在这里。
• Python 3.X 的文档在这里。

根据文档：

str.splitlines([keepends])

这个方法会返回字符串中的每一行，按照行的边界进行分割。行的换行符不会包含在结果列表中，除非你给 keepends 参数并且设置为真。

举个例子：

>>> 'Line 1\n\nLine 3\rLine 4\r\n'.splitlines()
['Line 1', '', 'Line 3', 'Line 4']

>>> 'Line 1\n\nLine 3\rLine 4\r\n'.splitlines(True)
['Line 1\n', '\n', 'Line 3\r', 'Line 4\r\n']

哪些分隔符被考虑？

这个方法使用了通用换行符的方法来分割行。

Python 2.X 和 Python 3.X 的主要区别在于，前者使用通用换行符的方法来分割行，所以 "\r"、"\n" 和 "\r\n" 被认为是8位字符串的行边界，而后者使用了一个更广泛的方式，还包括：

• \v 或 \x0b：行制表符（在Python 3.2中添加）。
• \f 或 \x0c：换页符（在Python 3.2中添加）。
• \x1c：文件分隔符。
• \x1d：组分隔符。
• \x1e：记录分隔符。
• \x85：下一行（C1控制码）。
• \u2028：行分隔符。
• \u2029：段落分隔符。

splitlines 和 split 的区别：

与 str.split() 方法不同，当给定一个分隔符字符串 sep 时，这个方法对于空字符串会返回一个空列表，并且末尾的换行符不会导致多出一行：

>>> ''.splitlines()
[]

>>> 'Line 1\n'.splitlines()
['Line 1']

而 str.split('\n') 返回：

>>> ''.split('\n')
['']

>>> 'Line 1\n'.split('\n')
['Line 1', '']

✂️ 去除多余的空格：

如果你还需要去掉开头或结尾的多余空格，比如被 str.splitlines() 忽略的空格，你可以把 str.splitlines() 和 str.strip() 一起使用：

>>> [str.strip() for str in 'Line 1  \n  \nLine 3 \rLine 4 \r\n'.splitlines()]
['Line 1', '', 'Line 3', 'Line 4']

️ 去除空字符串 ('')：

最后，如果你想从结果列表中过滤掉空字符串，可以使用 filter()：

>>> # Python 2.X:
>>> filter(bool, 'Line 1\n\nLine 3\rLine 4\r\n'.splitlines())
['Line 1', 'Line 3', 'Line 4']

>>> # Python 3.X:
>>> list(filter(bool, 'Line 1\n\nLine 3\rLine 4\r\n'.splitlines()))
['Line 1', 'Line 3', 'Line 4']

关于原问题的额外说明：

根据你发布的错误信息和Burhan的建议，问题出在打印上。有一个相关的问题可能对你有帮助： UnicodeEncodeError: 'charmap' codec can't encode - character maps to <undefined>, print function