Python正則表達式拆分段落

Question

如何寫一個正則表達式在python中使用來拆分段落？

段落由2個換行符（\ n）定義。但是可以將任意數量的空格/製表符與換行符一起使用，並且仍然應該將其視爲段落。

我正在使用Python，所以解決方案可以使用python的regular expression syntax這是擴展。 （可利用(?P...)東西）

例子：

the_str = 'paragraph1\n\nparagraph2' 
# splitting should yield ['paragraph1', 'paragraph2'] 

the_str = 'p1\n\t\np2\t\n\tstill p2\t \n  \n\tp3' 
# should yield ['p1', 'p2\t\n\tstill p2', 'p3'] 

the_str = 'p1\n\n\n\tp2' 
# should yield ['p1', '\n\tp2'] 

我可以跟最好的是：r'[ \t\r\f\v]*\n[ \t\r\f\v]*\n[ \t\r\f\v]*'，即

import re 
paragraphs = re.split(r'[ \t\r\f\v]*\n[ \t\r\f\v]*\n[ \t\r\f\v]*', the_str) 

但是這是醜陋的。有什麼更好的？

編輯：

建議拒絕：

r'\s*?\n\s*?\n\s*?' - >這將使例2和3失敗，因爲\s包括\n，所以這將使分段符超過2 \n秒。

Answer 1

不幸的是，沒有很好的方式來寫「空間而不是換行符」。

我認爲你能做的最好的就是添加一些空間與x修改，並嘗試以分解出醜了一點，但是這是有問題的：(?x) (?: [ \t\r\f\v]*? \n){2} [ \t\r\f\v]*?

你也可以嘗試只爲字符類創建一個子規則並插入它三次。

Answer 2

幾乎相同，但使用非貪婪量詞並利用空格序列。

\s*?\n\s*?\n\s*? 

Answer 3

您是否試圖在普通測試中推導出文檔的結構？你在做什麼docutils呢？

你或許可以簡單地使用Docutils parser而不是自己推出。

Answer 4

不是一個正則表達式，但真的很優雅：

from itertools import groupby 

def paragraph(lines) : 
    for group_separator, line_iteration in groupby(lines.splitlines(True), key = str.isspace) : 
     if not group_separator : 
      yield ''.join(line_iteration) 

for p in paragraph('p1\n\t\np2\t\n\tstill p2\t \n  \n\tp'): 
    print repr(p) 

'p1\n' 
'p2\t\n\tstill p2\t \n' 
'\tp3' 

這是給你，你當然需要它剝離輸出。

靈感來自着名的「Python Cookbook」;-)