Làm thế nào để phù hợp với một ký tự dòng mới trong chuỗi thô Python

Question

Tôi có một chút nhầm lẫn về chuỗi thô Python. Tôi biết rằng nếu chúng ta sử dụng chuỗi thô, thì nó sẽ coi '\' là dấu gạch chéo ngược thông thường (ví dụ: r '\ n' sẽ là '\' và 'n'). Tuy nhiên, tôi đã tự hỏi những gì nếu tôi muốn phù hợp với một nhân vật dòng mới trong chuỗi thô. Tôi đã thử r '\ n', nhưng nó không hoạt động. Bất cứ ai có một số ý tưởng tốt về điều này?

Answer 1

Trong một biểu thức chính quy, bạn cần phải xác định rằng bạn đang ở chế độ multiline:

>>> import re 
>>> s = """cat 
... dog""" 
>>> 
>>> re.match(r'cat\ndog',s,re.M) 
<_sre.SRE_Match object at 0xcb7c8> 

ý rằng re dịch các (string thô) \n thành xuống dòng. Như bạn đã nêu trong bình luận của bạn, bạn không thực sự cần re.M cho nó để phù hợp, nhưng nó giúp phù hợp với $ và ^ bằng trực giác hơn:

>> re.match(r'^cat\ndog',s).group(0) 
'cat\ndog' 
>>> re.match(r'^cat$\ndog',s).group(0) #doesn't match 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
AttributeError: 'NoneType' object has no attribute 'group' 
>>> re.match(r'^cat$\ndog',s,re.M).group(0) #matches. 
'cat\ndog' 

Answer 2

Câu trả lời đơn giản nhất là không sử dụng chuỗi thô. Bạn có thể thoát khỏi các dấu gạch chéo ngược bằng cách sử dụng \\.

Nếu bạn có số lượng lớn các dấu xồ nguợc ở một số phân khúc, sau đó bạn có thể nối dây thô và chuỗi bình thường khi cần thiết:

r"some string \ with \ backslashes" "\n" 

(Python tự động móc nối xâu chỉ có khoảng trắng giữa chúng.)

Hãy nhớ rằng nếu bạn đang làm việc với các đường dẫn trên Windows, tùy chọn dễ nhất là chỉ sử dụng các dấu gạch chéo ở phía trước - nó sẽ vẫn hoạt động tốt.

Answer 3

def clean_with_puncutation(text):  
    from string import punctuation 
    import re 
    punctuation_token={p:'<PUNC_'+p+'>' for p in punctuation} 
    punctuation_token['<br/>']="<TOKEN_BL>" 
    punctuation_token['\n']="<TOKEN_NL>" 
    punctuation_token['<EOF>']='<TOKEN_EOF>' 
    punctuation_token['<SOF>']='<TOKEN_SOF>' 
    #punctuation_token 



    regex = r"(<br/>)|(<EOF>)|(<SOF>)|[\n\!\@\#\$\%\^\&\*\(\)\[\]\ 
      {\}\;\:\,\.\/\?\|\`\_\\+\\\=\~\-\<\>]" 

###Always put new sequence token at front to avoid overlapping results 
#text = '<EOF>!@#$%^&*()[]{};:,./<>?\|`~-= _+\<br/>\n <SOF>\ ' 
    text_="" 

    matches = re.finditer(regex, text) 

    index=0 

    for match in matches: 
    #print(match.group()) 
    #print(punctuation_token[match.group()]) 
    #print ("Match at index: %s, %s" % (match.start(), match.end())) 
     text_=text_+ text[index:match.start()] +" " 
       +punctuation_token[match.group()]+ " " 
     index=match.end() 
    return text_