标准化字符串中的 lineends 的最 Pythonic 方法是什么？

Question

给定一个来源未知的文本字符串，如何最好地重写它以具有已知的行尾约定？

我通常这样做：

lines = text.splitlines()
text = '\n'.join(lines)

...但这不能处理完全混乱的约定的“混合”文本文件（是的，它们仍然存在！）。

编辑

我正在做的事情的重点当然是：

'\n'.join(text.splitlines())

......这不是我要问的。

之后的总行数应该相同，因此不会删除空行。

测试用例

分割

'a\nb\n\nc\nd'
'a\r\nb\r\n\r\nc\r\nd'
'a\rb\r\rc\rd'
'a\rb\n\rc\rd'
'a\rb\r\nc\nd'
'a\nb\r\nc\rd'

..应该全部产生5行。在混合上下文中，分割线假定 '\r\n' 是单个逻辑换行符，导致最后两个测试用例有 4 行。

嗯，可以通过比较 splitlines() 和 split('\n') 和/或 split('\r') 的结果来检测包含 '\r\n' 的混合上下文...

Answer 1

mixed.replace('\r\n', '\n').replace('\r', '\n')

应该处理所有可能的变体。

Answer 2

...但这不能处理完全混乱的约定的“混合”文本文件（是的，它们仍然存在！）

实际上它应该可以正常工作：

>>> s = 'hello world\nline 1\r\nline 2'

>>> s.splitlines()
['hello world', 'line 1', 'line 2']

>>> '\n'.join(s.splitlines())
'hello world\nline 1\nline 2'

您使用的是哪个版本的Python？

编辑：我仍然不明白splitlines()为什么不适合你：

>>> s = '''\
... First line, with LF\n\
... Second line, with CR\r\
... Third line, with CRLF\r\n\
... Two blank lines with LFs\n\
... \n\
... \n\
... Two blank lines with CRs\r\
... \r\
... \r\
... Two blank lines with CRLFs\r\n\
... \r\n\
... \r\n\
... Three blank lines with a jumble of things:\r\n\
... \r\
... \r\n\
... \n\
... End without a newline.'''

>>> s.splitlines()
['First line, with LF', 'Second line, with CR', 'Third line, with CRLF', 'Two blank lines with LFs', '', '', 'Two blank lines with CRs', '', '', 'Two blank lines with CRLFs', '', '', 'Three blank lines with a jumble of things:', '', '', '', 'End without a newline.']

>>> print '\n'.join(s.splitlines())
First line, with LF
Second line, with CR
Third line, with CRLF
Two blank lines with LFs


Two blank lines with CRs


Two blank lines with CRLFs


Three blank lines with a jumble of things:



End without a newline.

据我所知splitlines()不适合你将列表拆分两次或其他任何内容。

您能否粘贴给您带来麻烦的输入类型的示例？

Answer 3

还有比 \r\n\ 和 \n 更多的约定吗？如果您不需要线条，只需替换 \r\n 就足够了。

only_newlines = mixed.replace('\r\n','\n')