在段落分隔符非标准的段落上拆分文本

Question

如果我有标准段落格式的文本（一个空行后跟一个缩进），例如文本 1，使用 text.split("\n\n") 提取段落就很容易了。

文本 1：

      Lorem ipsum dolor sit amet, consectetur adipiscing elit. Vivamus sit amet sapien velit, ac sodales   
 ante. Integer mattis eros non turpis interdum et auctor enim consectetur, etc.

      Praesent molestie suscipit bibendum. Donec justo purus, venenatis eget convallis sed, feugiat    
 vitae velit,etc.

但是，如果我有非标准段落格式的文本（例如文本 2）怎么办？没有空行和可变的前导空格。

文本 2：

      Lorem ipsum dolor sit amet, consectetur adipiscing elit. Vivamus sit amet sapien velit, ac sodales   
 ante. Integer mattis eros non turpis interdum et auctor enim consectetur, etc.
    Praesent molestie suscipit bibendum. Donec justo purus, venenatis eget convallis sed, feugiat    
 vitae velit,etc.

由于前导空格在标准和非标准格式中都很常见，所以我考虑过在正则表达式匹配上为前导空格建立索引并以这种方式获取段落中断，但必须有一种更优雅的方法来做到这一点。

Answer 1

您提出的正则表达式解决方案似乎足够优雅：

re.split('\s{4,}',text)

这使用 4 个连续的空白字符作为段落分隔符。你可以使用'\n\s{3,}' 或类似的东西，如果它更合适的话。