python - 每三行新行匹配和替换标识符的效率最高的是哪一个？

Question

我正在处理一些没有结构的 .txt 文件(它们很困惑)，它们代表许多页面。为了给它们一些结构，我想确定页数，因为文件本身没有它们。这可以通过用一些注释替换每三个换行符来完成，例如:

\n
    page: N
\n

其中 N 是数字。这就是我的文件的样子，我还尝试了一个简单的 replace 。然而，这个函数令人困惑，并且没有给我预期的格式，如 this 。 。知道如何用某种标识符替换空格，只是为了尝试解析它们并获取某些信息(页面)的位置吗？

我也尝试过这个:

导入重新

replaced = re.sub('\b(\s+\t+)\b', '\n\n\n', text)
print (replaced)

Answer 1

如果格式与您在问题描述中所述的一样规则:

Replace every occurrence of three newlines \n with page: N

您不必使用re 模块。像下面这样简单的事情就可以解决问题:

>>> s='aaaaaaaaaaaaaaaaa\n\n\nbbbbbbbbbbbbbbbbbbbbbbb\n\n\nccccccccccccccccccccccc'
>>> pages = s.split('\n\n\n')
>>> ''.join(page + '\n\tpage: {}\n'.format(i + 1) for i, page in enumerate(pages))
'aaaaaaaaaaaaaaaaa\n\tpage: 1\nbbbbbbbbbbbbbbbbbbbbbbb\n\tpage: 2\nccccccccccccccccccccccc\n\tpage: 3\n'

不过，我怀疑您的格式不太规则，但在我给出一个好的答案之前，您必须包含更多详细信息。

如果你想用困惑的空格进行分割(我将其定义为至少三个换行符，并混合任何其他空格)，你可以替换 s.split('\n\n\n') 与:

re.split(r'(?:\n\s*?){3,}', s)