分割段落的python正则表达式

如何编写一个正则表达式以在python中用于分割段落

段落由两个换行符（\n）定义。但是可以有任意数量的空格/制表符和换行符，它仍然应该被视为一个段落

我使用的是python，因此解决方案可以使用扩展的python。（可以使用

（？P…）

东西）

示例： 我能提供的最好的是：

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)

但这很难看。还有更好的吗

编辑：

拒绝的建议：

---

r'\s*？\n\s*？\n\s*？”

->这将使示例2和3失败，因为

\s

包括

\n

，因此它将允许段落以2个以上的

\n

几乎相同，但使用非贪婪量词并利用空格序列

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

---

您是否试图在普通测试中推断文档的结构？你在做什么

---

你可以简单地使用空格，而不是自己滚动。

不幸的是，没有写“空格而不是换行”的好方法

我认为你能做的最好的事情就是用

x

修饰符加上一些空格，并试着把丑陋的部分去掉，但这是有问题的：

（？x）（？：[\t\r\f\v]*？\n）{2}[\t\r\f\v]*？

---

您也可以尝试仅为character类创建一个子规则并对其插值三次。

不是regexp，而是非常优雅的：

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'

当然，您可以根据需要剥离输出

---

灵感来源于著名的“Python食谱”；-）

FYI：我刚刚在另一个线程中为这类问题编写了两个解决方案。首先使用此处要求的正则表达式，然后使用一种状态机方法，该方法一次通过一行输入：

---

这会使示例2失败，因为\s包含\n.Neat解决方案。什么是

str_isspace

？输入错误：-）您应该从对象字符串中读取str.isspace，其中包含方法isspace（）。它将被调用以确定某物是否是一个空间，并将根据该空间对对象进行分组。我修好了。

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'