将某些段落重新格式化为 Markdown

Question

我是 python 初学者。

我有这段代码可以获取符号“*****”之后的所有段落

import re

file = open('/Users/text.txt', mode='r')

result = [s.strip() for s in re.findall(r'^\*{4,}((?:\r?\n(?!\s*$|\*{4}).+)*)', file.read(), re.MULTILINE)]

print(*result, sep="\n\n")

file.close()

当前输入：

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

****
Sed id placerat magna.

*******
*******
*******
Pellentesque in ex ac urna tincidunt tristique. 

Etiam dapibus faucibus gravida.

当前输出：

Sed id placerat magna.

Pellentesque in ex ac urna tincidunt tristique. 

需要输出：

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

==Sed id placerat magna.==

==Pellentesque in ex ac urna tincidunt tristique.==

Etiam dapibus faucibus gravida.

基本上试图将亮点重新格式化为 Markdown .md 格式。 到目前为止，但似乎无法弄清楚如何做到这一点。

Answer 1

大概是这样的：

import re

text = '''Lorem ipsum dolor sit amet, consectetur adipiscing elit.

****
Sed id placerat magna.

*******
Pellentesque in ex ac urna tincidunt tristique.

Etiam dapibus faucibus gravida.'''

print(re.sub(r'\n\*{4,}\n(.+)\n', r'\n==\1==\n', text))

不过，文本的开头和结尾可能存在问题。可能在开始和结束之前添加\n 来处理文本并在之后删除它们是有意义的。只是为了安全起见。

更新

这是满足新要求的更新版本：

import re

# open txt file
with open('d:/Users/text.txt', 'r') as f:
    text = f.read()

text = re.sub('\*\n+\*', '**', text)  # remove all '\n' between all '*'
text = re.sub(r'\n\*{4,}\n(.+)\n', r'\n==\1==\n', text)

# save txt file
with open('d:/Users/output.txt', 'w') as f:
    f.write(text)

输入：

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

****
Sed id placerat magna.

*******
*******
*******
Pellentesque in ex ac urna tincidunt tristique.

Etiam dapibus faucibus gravida.

输出：

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

==Sed id placerat magna.==

==Pellentesque in ex ac urna tincidunt tristique.==

Etiam dapibus faucibus gravida.

但实际上解析和重新格式化格式不佳的文本始终是一个怪癖，基本上是无止境的任务。我相信还会有其他问题。您将永远只有部分临时解决方案。