简单正则表达式问题：从文件中删除所有换行符

Question

我正在学习Python，想通过自己出题来帮助自己掌握这门语言。接下来我遇到的问题是：

我从网上复制了一大堆文字，但复制粘贴的时候，文本中多了很多换行符，把这段大字符串分开了。我想要通过编程的方式把这些换行符都去掉，把它变成一大块连续的字符。显然，这个任务可以用正则表达式来解决（我觉得），通过遍历文件并去掉所有的换行符应该可以做到，但我试了之后似乎效果不太好。

有没有简单的方法可以做到这一点？看起来应该挺简单的。

Answer 1

当然可以！请看下面的内容：

在编程中，有时候我们需要处理一些数据，这些数据可能来自不同的地方，比如用户输入、文件或者网络请求。为了让程序能够理解这些数据，我们通常会把它们转换成一种特定的格式。这个过程就叫做“解析”。

解析的过程就像是把一堆杂乱无章的东西整理成一个有序的列表。比如说，如果你有一份购物清单，上面写着“苹果、香蕉、橙子”，你可能会想把它们分开，变成一个数组，方便你逐个查看和处理。

在编程中，解析的方式有很多种，具体取决于你要处理的数据类型和格式。常见的格式有JSON、XML等。每种格式都有自己的规则，就像语言一样，必须按照这些规则来才能正确理解数据。

总之，解析就是把复杂的数据变得简单易懂的过程，让程序能够更好地使用这些数据。

import re
re.sub(r"\n", "", file_contents_here)

Answer 2

我不会用正则表达式来简单地替换换行符——我会用 string.replace() 方法。下面是一个完整的脚本：

f = open('input.txt')
contents = f.read()
f.close()
new_contents = contents.replace('\n', '')
f = open('output.txt', 'w')
f.write(new_contents)
f.close()

Answer 3

有两种主要的方法：把所有内容当作一个整体读进来，然后去掉换行符：

clean = open('thefile.txt').read().replace('\n', '')

或者，逐行读取，每行末尾的换行符去掉，然后再把它们拼接起来：

clean = ''.join(l[:-1] for l in open('thefile.txt'))

第一种方法可能会更快，但我还是强烈建议你去测量一下速度（比如用 python -mtimeit），而不是单纯地猜测性能会怎样。正则表达式可能会慢一些，但同样的，不要猜，去测量一下吧！

下面是我在笔记本电脑上对一个特定文本文件的一些数据：

$ python -mtimeit -s"import re" "re.sub('\n','',open('AV1611Bible.txt').read())"
10 loops, best of 3: 53.9 msec per loop
$ python -mtimeit "''.join(l[:-1] for l in open('AV1611Bible.txt'))"
10 loops, best of 3: 51.3 msec per loop
$ python -mtimeit "open('AV1611Bible.txt').read().replace('\n', '')"
10 loops, best of 3: 35.1 msec per loop

这个文件是KJ圣经的一个版本，从 这里 下载并解压的（我觉得在一个容易获取的文件上进行这样的测量很重要，这样其他人也能轻松复现这些结果！）。

当然，对于一个4.3 MB、34,000行的文件来说，多几毫秒或少几毫秒可能对你来说没什么大不了的；但是最快的方法往往也是最简单的方法（这在Python中并不少见；-），所以我觉得这是个不错的建议。