使用Python的re模块转换字符串

Question

我有一行字符串：

>>> line = "  abc\n  def\n\n  ghi\n  jkl"
>>> print line
  abc
  def

  ghi
  jkl

我想把它转换成 "abcdef\n\n ghijkl"，像这样：

>>> print "  abcdef\n\n  ghijkl"
  abcdef

  ghijkl

我试过用 Python 的 re 模块，写了类似这样的代码：

re.sub('(?P<word1>[^\n\s])\n\s*(?P<word2>[^\n\s])', '\g<word1>\g<word2>', line)

但是我得到了这个结果：

>>> re.sub('(?P<word1>[^\n\s])\n\s*(?P<word2>[^\n\s])', '\g<word1>\g<word2>', line)
Out: '  abcdefghijkl'

我觉得 \n\s* 这一部分也匹配到了 \n\n。有没有人能告诉我我哪里出错了？

Answer 1

如果你使用 \S，可以让正则表达式更简单，因为它可以匹配任何不是空格的字符。

>>> import re
>>> line = "  abc\n  def\n\n  ghi\n  jkl"
>>> print re.sub(r'(\S+)\n\s*(\S+)', r'\1\2', line)
  abcdef

  ghijkl

不过，你的正则表达式之所以不工作的原因是因为你的 <word1> 和 <word2> 组只匹配了一个字符（也就是说，它们没有使用 +）。只要做这个简单的修改，你的正则表达式就能产生正确的结果：

>>> print re.sub(r'(?P<word1>[^\n\s]+)\n\s*(?P<word2>[^\n\s]+)', r'\g<word1>\g<word2>', line)
  abcdef

  ghijkl

Answer 2

试试这个，

line = "  abc\n  def\n\n  ghi\n  jkl"
print re.sub(r'\n(?!\n)\s*', '', line)

它会输出，

abcdef
ghijkl

这段代码的意思是：“把换行符后面跟着的、但不是换行符的空格替换成什么都没有。”

更新：这是一个更好的版本

>>>  re.sub(r'([^\n])\n(?!\n)\s*', r'\1', line)
'  abcdef\n\n  ghijkl'

它的输出正好和你在第一条帖子里说的一样。

Answer 3

\s 是用来匹配空格、\t（制表符）、\n（换行符），还有一些其他的空白字符（这取决于你使用的正则表达式工具）。

所以，如果你只想替换单个换行符加上空格或制表符，可以使用这个：

newline = re.sub(r"(?<!\n)\n[ \t]*(?!\n)", "", line)

解释：

(?<!\n) # Assert that the previous character isn't a newline
\n      # Match a newline
[ \t]*  # Match any number of spaces/tabs
(?!\n)  # Assert that the next character isn't a newline

在 Python 中：

>>> line = "  abc\n  def\n\n  ghi\n  jkl"
>>> newline = re.sub(r"(?<!\n)\n[ \t]*(?!\n)", "", line)
>>> print newline
  abcdef

  ghijkl