python - 按双换行符分割，优先考虑 crlf

Question

实现这一点的简单方法是:

import re
re.split(r'(?:\r\n|\r|\n){2}', '...')

但是:

>>> re.split(r'(?:\r\n|\r|\n){2}', '\r\n\r\n\r\n')
['', '', '']

在这种情况下我想得到['', '\r\n']。我可能需要某种占有欲或者让它不走回头路。有办法吗？

Answer 1

您可以限制 \n和\r使用环视来匹配位置以避免在 CRLF 中匹配它们:

r'(?:\r\n|\r(?!\n)|(?<!\r)\n){2}'

Python 测试:

>>> import re
>>> re.split(r'(?:\r\n|\r(?!\n)|(?<!\r)\n){2}', '\r\n\r\n\r\n')
['', '\r\n']

查看正则表达式图表:

详细信息

• (?:\r\n|\r(?!\n)|(?<!\r)\n){2} - 一个非捕获组(如果您是捕获组，则最后一次迭代捕获的值也将输出到带有 re.split 的结果列表中)，它匹配以下两个重复项:
  • \r\n - CRLF 序列
  • | - 或
  • \r(?!\n) - CR 符号后面不跟 LF
  • | - 或
  • (?<!\r)\n - LF 符号前面没有 CR。