如何摆脱被空白空间包围的线条？答案

【问题标题】：How to get rid of lines surrounded by empty spaces?如何摆脱被空白空间包围的线条？
【发布时间】：2020-09-29 20:49:01
【问题描述】：

我的文本看起来像这样：

text
text
text


to remove

text
text
text


to remove
 

text
text
text

有不间断的文本块，我需要删除上面示例中看起来像“要删除”的行，它们上面有 2 个空行，下面有 1 个空行。有没有办法以编程方式删除这些行以及 Python 中围绕它们的空格？

【问题讨论】：

总是这种格式吗？（2 个空行，一个带文本，一个空行）除了想要的文本？

标签： python text nlp

【解决方案1】：

Regular expressions 是一种强大的模式搜索和替换工具。

假设文本在text变量中，

import re

re.sub('\n{3}[^\n]+\n{2}', '\n', text, re.M)

【讨论】：

【解决方案2】：

这应该可行：

l=[]
with open('yourfile.txt') as f:
    for i in f:
        l.append(i)

m=set()
for i in range(len(l)):
    if l[i].replace(' ', '')=='\n':
        m.add(i)
for i in range(1, len(l)-1):
    if l[i-1].replace(' ', '')=='\n' and l[i+1].replace(' ', '')=='\n':
        m.add(i)

result=[l[i] for i in range(len(l)) if i not in m]

with open('yourfile.txt', 'w') as f:
    for i in result:
        f.write(i)

【讨论】：

感谢您的回答！您能否指出如何删除每个空格下方的一行？

【解决方案3】：

使用函数 .translate()。 translate() 函数从字符串中删除空格。这是一个教程：https://www.journaldev.com/23763/python-remove-spaces-from-string#:~:text=Python%20String%20strip()%20function%20will%20remove%20leading%20and%20trailing%20whitespaces.&text=If%20you%20want%20to%20remove,or%20rstrip()%20function%20instead。或

import string
s = "Text     Text     Text"
print(s.translate({ord(c): None for c in string.whitespace}))

它将打印出TextTextText

这是一个示例：https://repl.it/repls/AwfulAmusedGlitches#main.py。

【讨论】：

【解决方案4】：

我认为正则表达式应该可以工作。但是，在这里我想也许这可能是一个展示使用the walrus operator := in python 3.8: 在列表理解中查找多行模式位置的示例的机会。如果模式更复杂，将来可能会有用。

text = """
text
text
text


to remove

text
text
text


to remove
 

text
text
text
"""

curr = ("", "", "", "")

positions = [
  (i-4, i) 
  for i, line in enumerate(text.split("\n"))
  if (curr := (curr[1], curr[2], curr[3], line.strip())) == ("", "", "to remove", "")
]

结果positions 这里是一个元组列表，指示分隔符模式的范围： [(3, 7), (10, 14)]

是的，已经太复杂了！最后一点，请耐心等待。您可以将范围列表用作any() 的过滤器，以检查行是否不在任何分隔符范围内：

remained_lines = [
  line
  for pos, line in enumerate(text.split("\n"))
  if not any([i<= pos < j for i, j in positions])
]
new_text = "\n".join(remained_lines)

总之，尽可能使用正则表达式，但是，这里我有一些新的和旧的 Python 特性，对于未来遇到更奇怪分隔符情况的读者可能会派上用场。

【讨论】：

【解决方案5】：

这应该可以解决您的问题：

text = "text \ntext \ntext \n\n\nto remove \n \n \ntext \ntext"
text = "".join([s for s in text.strip().splitlines(True) if s.strip()])

print(text)

输出会是这样的：

text
text
text
to remove
text
text

【讨论】：