在Python中处理Windows行结尾

我有一个来自Windows提供商的700MB XML文件

正如人们所料，vi中的行尾是“\r\n”或^M。除了让供应商发送“\n”外，处理这种情况最有效的方法是什么：-

使用 使用打开文件。。。这似乎很疯狂 在我的Mac Snow Leopard上使用不是标准配置，因此不是一个选项。 我对任何需要Python2.6+的东西都持开放态度，但它需要在雪豹和Ubuntu9.10上工作，并且外部要求最低。我不介意一个小的性能惩罚，但我正在寻找标准的最佳方式来处理这个问题

--编辑--

---

行结束位于标签描述符的中间，否则它们不会是这样的问题。我知道这是一个糟糕的表格，他们不应该将此发送给我，但我就是这样拥有此文件的，而供应商基本上是不称职的。

您打算如何处理此文件？在XML中，标签之间的空白通常被忽略，因此行尾是影响标签内容的唯一地方。

为什么DOS行尾是个问题？大多数事情都可以很好地处理它们，包括XML解析器。如果确实要删除它们，请在通用行尾模式下打开文件：

---

Python将为您将所有行尾转换为UNIX行尾。如果您真的不能使用我觉得有点奇怪的东西，那么就没有办法让Python为您完成这项工作。无论如何，您都必须打开文件，因此您对2的反对似乎有点奇怪。

您是以文本模式还是二进制模式打开文件？我很确定我的Leopard安装中使用了universal newlines，但也许我也从某个地方得到了更新的Python

不管怎样，我已经看到这种事情让很多程序员感到痛苦，因为他们只需要按“b”键。如果要打开已知在平台上创建的文本文件，请使用“t”，如果需要通用换行符，请使用“U”而不是“t”

with file(filename, 'rt') as f:
   content = f.read()

---

编辑：注释说明“rt”是默认值。公平点，但Python风格倾向于明确显式的隐式，所以我要这样做。 我在这里看不到\r\n。也许您的意思是reprxml包含以下内容

"<ParentRedirec\r\ntSequenceID>"

如果不是，试着准确地说出你的意思，用repr时尚的例子

以下方面应起作用：

>>> import re
>>> guff = """<atag>\r\n<bt\r\nag c="2">"""
>>> re.sub(r"(<[^>]*)\r\n([^>]*>)", r"\1\2", guff)
'<atag>\r\n<btag c="2">'
>>>

---

如果标签中有多个换行符，例如，这将只修复第一个换行符。选择1个循环直到GUFF停止缩小2写一个更聪明的ReXEP自己：-< /P>这家伙在标签描述符中间有一个R：我更喜欢他们把它固定在它们的末端，但是我有点匆忙，只想剥开这些东西。如果是这样的话，它在任何情况下都被破坏了。一个不同点。我曾想过剥离所有类型的换行符，但现在我意识到它不会起作用，因为某些块具有有效的换行符，这些换行符是实际数据的一部分。嗯，只需重新阅读文档-永远不知道您需要打开通用换行符支持。。。我的大部分工作都是在Windows和unix上进行的，幸好新行处理得很好……Windows上的文本模式读取（MS C运行时将为您转换行结尾）与Python的通用行结尾支持不同。所有操作系统上的通用行结尾都是相同的。Windows文本模式是Windows特有的，也会影响其他内容，如EOF字符导致EOF过早。我的系统不提供通用新行。因此，您如何知道是否需要空白？你当然不能只是删除所有的空白。例如，考虑到这个问题，您将如何崩溃？最接近于确定答案。我现在意识到我需要一个更好的文件。这是我第一次听说“t”不是所有地方的默认模式。你能详细说明一下吗？“rt”真的与“r”不同吗？默认值真的是“b”，还是有第三种模式？我在发布后查看了文档。根据我所看到的，我怀疑“t”是默认值，但我觉得显式比隐式好不管怎么说，我也看到很多人在默认情况下只在那里输入一个“b”，即使是在处理文本文件时。这让人难以置信，但事情总是会发生，所以我问；托马斯太温柔了“rt”与“t”相同。@dash tom bang:s/可能有点错/肯定错了/。。。帮你自己一个忙，删除你的答案。你是对的，评论系统去掉了换行符，标签如下：

>>> import re
>>> guff = """<atag>\r\n<bt\r\nag c="2">"""
>>> re.sub(r"(<[^>]*)\r\n([^>]*>)", r"\1\2", guff)
'<atag>\r\n<btag c="2">'
>>>