Python 换行符和多行模式

发表时间

Python 的正则表达式支持 多行模式,将每行文字分别匹配。然而各种操作系统里,换行符的表示法各不相同,会导致 Python 不能正确使用多行模式。


花式换行符

不同操作系统下, 换行符的表示方法 也不同。主要有以下三种:

操作系统 换行符名称 16 进制值 10 进制值 转义表示
Unix、Linux LF 0×0A 10 \n
Windows、DOS CR LF 0×0D 0×0A 13 10 \r \n
Mac CR 0×0D 13 \r

测试 Python 的表现

如果没有正确识别换行符,就无法按照期望,进入多行模式的匹配模式。准备使用下面的脚本,检验各种换行符下,不同版本Python 能否正确进入多行模式。脚本如下:

import re

s="hello\r\nbye\r\n"
print(re.findall(r"^\w+$",s,re.M))

如果结果是 ['hello', 'bye'] ,说明正确进入了多行模式;而如果结果是 [] , 则说明没有正常进入多行模式。

测试结果

操作系统 转义表示 Python 2.7 Python 3.6
Unix、Linux \n [‘hello’, ‘bye’] [‘hello’, ‘bye’]
Windows、DOS \r \n [] []
Mac \r [] []

如何分辨换行符

那么面对传来的字节流,无论是来自文件、网络,如何知道其中的换行符是那种呢?我们需要以将字符串用二进制形式表达。

下面这个脚本可以观察字节流的二进制表示:

s=["hello\n","hello\r\n","hello\r"]
for y in s: print(' '.join(format(ord(x), 'b') for x in y))

得到结果为:

1101000 1100101 1101100 1101100 1101111 1010  #\n
1101000 1100101 1101100 1101100 1101111 1101 1010 #\r\n
1101000 1100101 1101100 1101100 1101111 1101 #\r

如何纠正

那么怎么将换行符调整到 适合 Python 进入多行模式的呢?可以使用 re.sub() 查找替换函数:

print(re.findall(r"^\w+$", re.sub(r"\r","\n",s), re.M))

或者

print(re.findall(r"^\w+$", re.sub(r"\r","",s), re.M))

将所有的 \r 删除或者 替换为 \n ,就能正确识别出换行符。

本页面内容采用 署名协议 CC-BY 授权。欢迎转载,请保留原文链接


分类

相关文章