Python正则表达式拆分段落

Question

如何在 Python 中编写一个正则表达式来拆分段落？

一个段落由两个换行符 (\n) 定义。但是一个人可以有任意数量的空格/制表符和换行符，它仍然应该被视为一个段落。

我正在使用 Python，所以解决方案可以使用 Python 的 regular expression syntax这是扩展的。 (可以利用 (?P...) 东西)

例子:

the_str = 'paragraph1\n\nparagraph2'
# Splitting should yield ['paragraph1', 'paragraph2']

the_str = 'p1\n\t\np2\t\n\tstill p2\t   \n     \n\tp3'
# Should yield ['p1', 'p2\t\n\tstill p2', 'p3']

the_str = 'p1\n\n\n\tp2'
# Should yield ['p1', '\n\tp2']

我能想到的最好的是:r'[\t\r\f\v]*\n[\t\r\f\v]*\n[\t\r\f\v]*'，即

import re
paragraphs = re.split(r'[ \t\r\f\v]*\n[ \t\r\f\v]*\n[ \t\r\f\v]*', the_str)

但这很丑陋。有没有更好的？

拒绝的建议:

r'\s*?\n\s*?\n\s*?' -> 这将使示例 2 和 3 失败，因为 \s包括 \n，因此它允许分段符超过 2 个 \n。

Answer 1

不幸的是，没有写“空格但不是换行符”的好方法。

我认为你能做的最好的事情就是用 x 修饰符添加一些空间，并尝试稍微排除丑陋之处，但这是有问题的:(?x) (?: [\t\r\f\v]*?\n ){2} [\t\r\f\v]*?

您也可以尝试为字符类创建一个子规则并将其插入三次。