Я немного смутился о необработанной строке Python. Я знаю, что если мы используем сырую строку, тогда она будет рассматривать "\" как нормальную обратную косую черту (например, r '\n' будет '\' и 'n'). Тем не менее, мне было интересно, что, если я хочу совместить новый символ строки в необработанной строке. Я попробовал r '\n', но это не сработало. У кого-нибудь есть хорошая идея об этом?
Как сопоставить новый символ строки в исходной строке Python
Ответ 1
В регулярном выражении вам нужно указать, что вы находитесь в многострочном режиме:
>>> import re
>>> s = """cat
... dog"""
>>>
>>> re.match(r'cat\ndog',s,re.M)
<_sre.SRE_Match object at 0xcb7c8>
Обратите внимание, что re
переводит \n
(необработанная строка) в новую строку. Как вы указали в своих комментариях, вам действительно не нужно re.M
, но это помогает с совпадением $
и ^
более интуитивно:
>> 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'
Ответ 2
Самый простой ответ - просто не использовать необработанную строку. Вы можете избежать обратной косой черты с помощью \\
.
Если у вас есть огромное количество обратных косых черт в некоторых сегментах, тогда вы можете связать необработанные строки и обычные строки по мере необходимости:
r"some string \ with \ backslashes" "\n"
(Python автоматически объединяет строковые литералы с пробелом между ними.)
Помните, что если вы работаете с путями в Windows, самый простой вариант - просто использовать косые черты - он все равно будет работать нормально.
Ответ 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>[email protected]#$%^&*()[]{};:,./<>?\|`~-= _+\<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_