Python正则表达式拆分段落

Question

如何写一个正则表达式在python中使用来拆分段落？

段落由2个换行符（\ n）定义。但是可以将任意数量的空格/制表符与换行符一起使用，并且仍然应该将其视为段落。

我正在使用Python，所以解决方案可以使用python的regular expression syntax这是扩展。 （可利用(?P...)东西）

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) 

但是这是丑陋的。有什么更好的？

编辑：

建议拒绝：

r'\s*?\n\s*?\n\s*?' - >这将使例2和3失败，因为\s包括\n，所以这将使分段符超过2 \n秒。

Answer 1

不幸的是，没有很好的方式来写“空间而不是换行符”。

我认为你能做的最好的就是添加一些空间与x修改，并尝试以分解出丑了一点，但是这是有问题的：(?x) (?: [ \t\r\f\v]*? \n){2} [ \t\r\f\v]*?

你也可以尝试只为字符类创建一个子规则并插入它三次。

Answer 2

几乎相同，但使用非贪婪量词并利用空格序列。

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

Answer 3

您是否试图在普通测试中推导出文档的结构？你在做什么docutils呢？

你或许可以简单地使用Docutils parser而不是自己推出。

Answer 4

不是一个正则表达式，但真的很优雅：

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' 

这是给你，你当然需要它剥离输出。

灵感来自着名的“Python Cookbook”;-)