python将换行符(\n)替换为其他

Question

我试图将多个连续的换行符和大写字母转换成"____“，这样我就可以解析它们了。

例如,

i = "Inc\n\nContact"
i = re.sub(r'([\n]+)([A-Z])+', r"____\2", i) 

In [25]: i
Out [25]: 'Inc____Contact'

这条绳子很好用。稍后我可以使用____解析它们。

但是，它不适用于这个特定的字符串。

i =  "(2 months)\n\nML"
i = re.sub(r'([\n]+)([A-Z])+', r"____\2", i)

Out [31]: '(2 months)____L'

它吃了大本营M.我在这里错过了什么？

Answer 1

编辑以将多个连续换行符(\n)替换为____，应该这样做：

>>> import re
>>> i =  "(2 months)\n\nML"
>>> re.sub(r'(\n+)(?=[A-Z])', r'____', i)
'(2 months)____ML'

(?=[A-Z])用于断言“换行符后面跟着大写字母”。REGEX演示。

Answer 2

让我们看一看正则表达式([\n]+)([A-Z])+ --第一部分([\n]+)很好，将换行符的多次出现匹配为一个组(注意--这与回车返回\r不匹配)。但是，第二部分([A-Z])+会将单个大写字母匹配到捕获组中--如果有多个大写字母，则会将组重置为最后匹配的大写字母，然后将其用于替换。

试试下面的内容，看看会发生什么

import re    
i = "Inc\n\nABRAXAS"
i = re.sub(r'([\n]+)([A-Z])+', r"____\2", i)

您可以简单地将+放在捕获组中，这样就可以在其中匹配多个大写字母。你也可以忽略它，因为它并没有什么区别，这些大写字母后面有多少个。

import re    
i = "Inc\n\nABRAXAS"
i = re.sub(r'(\n+)([A-Z])', r"____\2", i)

如果您想替换任何换行符序列，无论后面是什么-完全删除([A-Z])并尝试

import re
i = "Inc\n\nABRAXAS"
i = re.sub(r'(\n+)', r"____", i)

如果您想考虑回车，也可以使用([\r\n]+)作为模式。

Answer 3

尝试：

import re
p = re.compile(ur'[\r?\n]')
test_str = u"(2 months)\n\nML"
subst = u"_"

result = re.sub(p, subst, test_str)

它将将字符串缩减为

(2 months)__ML

请参阅演示