在文档中查找所有空行，并弹出其后的第一行？

Question

我想做的事情是逐行查看一个文档，找到每一个空行，然后继续往下看，直到遇到下一行有内容的文字，并把那一行去掉。
举个例子，我想做的事情是这样的：

第一段
这是一行。
这又是一行。

这是一个空行后面的内容，我想把它去掉！
这是我想保留的下一行。

这是我想去掉的另一行。

所以，它会检查每一个空行，直到找到下一句有内容的文字，然后只去掉那一句，之后继续往下看。我在想我应该用 re.split('\n') 来处理这个，但我不太确定。
抱歉我没有代码可以分享，因为我真的不知道从哪里开始。
任何帮助都非常感谢，谢谢！
这段代码是一个更大程序的一部分，我已经花了好几天在上面，直到现在我才弄明白这些，所以我已经完成了大部分的工作。

Answer 1

我猜发帖的人（OP）是想直接在文件里删除那些行，也就是说要把它们从文件中去掉。这里有一个改进的解决方案（我之前的方案不太对。感谢J.F Sebastian的指正。）

import fileinput

def remove_line_after_blank(filename, in_place_edit=False):
    previous_line = ''
    for line in fileinput.input(filename, inplace=in_place_edit):
        if not (previous_line == '\n' and line != '\n'):
            print line.rstrip()
        previous_line = line

if __name__ == '__main__':
    remove_line_after_blank('data.txt', in_place_edit=True)

讨论

• 如果你不想修改原始数据文件，可以去掉 , in_place_edit=True 这部分。

Answer 2

如果你用 for line in filehandle: 这样的写法，它会逐行读取文件中的内容。如果你有一个标志，当上一行是空白的时候这个标志会变成真，那么你可以跳过下一行，然后再把这个标志重置回去。

Answer 3

对于初学者来说，最简单的方法可能就是Steve提到的：逐行遍历，并用一个标记来记录上一行是否是空行。

但是如果你想要一个更高级的解决方案，就需要从更高的层面重新思考这个问题。你实际上想要的是每个段落的第一行，但不包括第一个段落，而“段落”是由空行分隔开的，对吧？

那么，你该怎么做呢？其实，你可以像用 '\n' 一样，直接用 '\n\n' 来分割文本。所以：

paragraphs = document.split('\n\n')
first_lines = [paragraph.partition('\n')[0] for paragraph in paragraphs]
popped_lines = first_lines[1:]

（我在这里用 partition 而不是 split，因为它只在第一个 '\n' 处分割，其他的保持不变，而且它也能正确处理单行段落——而 paragraph.split('\n', 1) 就做不到这一点。）

不过，你并不想要被分割掉的行的列表，而是想要除了被分割掉的行以外的所有内容，对吧？

paragraphs = document.split('\n\n')
first, rest = paragraphs[0], paragraphs[1:]
rest_edited = [paragraph.partition('\n')[1] for paragraph in rest]

如果你想把这些内容再变回文档：

all_edited = [first] + rest_edited
document_edited = '\n\n'.join(all_edited)

你可以通过使用切片赋值来稍微简化一下，虽然我不确定这样是否更易读：

paragraphs = document.split('\n\n')
paragraphs[1:] = [paragraph.partition('\n')[1] for paragraph in paragraphs[1:]]
document_edited = '\n\n'.join(paragraphs)

---

正如J.F. Sebastian指出的，问题有点模糊。“空行”是指“没有内容的行”，还是“只有空格的行”？如果是后者，事情就复杂一些，最简单的解决方案可能就是用一个简单的正则表达式（r'\n\s*\n'）来分割段落。

---

同时，如果你处理的是一系列的行（注意，文件就是一系列的行！），而不是一大串字符串，你可以用几种不同的方法来做到这一点，而根本不需要分割。

例如，段落是由非空行组成的，对吧？所以你可以使用 groupby 函数来获取它们：

groups = itertools.groupby(lines, bool)

或者，如果“空”不等于“没有内容”：

groups = itertools.groupby(lines, lambda line: not line.strip())

注意，这样会给你 (False, <行的序列>) 作为每个段落的结果，以及 (True, <空行的序列>) 作为每个空行的结果。如果你想保留空行，可以，但如果你只想把每一组空行替换成一行空行（如果“空”确实意味着“没有内容”），那么丢掉空段落可能更简单：

paragraphs = (group for (key, group) in paragraphs if not key)

然后你可以从除了第一个组之外的所有组中移除第一个元素，最后把这些组重新连接成一个大的序列：

first = next(paragraphs)
edited_paragraphs = (itertools.islice(paragraph, 1) for paragraph in paragraphs)
edited_document = itertools.chain(first, *edited_paragraphs)

---

最后，如果你有多行空行连续出现的情况呢？首先，你得决定怎么处理它们。如果有两行空行，你要删除第二行吗？如果要，接下来段落的第一行要删除吗（因为它原本是在空行后面），还是不删除（因为它后面的空行已经被删除了）？如果有三行呢？用 '\n\n' 分割会有一种效果，用 '\n\s*\n' 分割又会有另一种效果，而 groupby 则会有不同的效果……但在你知道自己想要什么之前，当然无法说哪种是“正确的”，或者如何“修正”其他的。