每三行匹配一个标识符并替换一个标识符最有效的方法是什么？

Question

我正在处理一些没有结构的.txt文件（它们很凌乱），它们代表许多页面。为了给他们一些结构，我想确定的页数，因为文件本身没有他们。这可以通过每三行替换一个注释来实现，例如：

\n
    page: N
\n

其中N是数字。这就是我的文件的样子，我还尝试了一个简单的^{}。但是，这个函数混淆了，并且没有给我预期的格式，比如this。你知道如何用某种标识符来替换空格吗？只是试着解析它们并获得一些信息（页面）的位置？。你知道吗

我也试过这个：

进口re

replaced = re.sub('\b(\s+\t+)\b', '\n\n\n', text)
print (replaced)

Answer 1

如果格式与问题描述中所述的格式相同：

Replace every occurrence of three newlines \n with page: N

您不必使用re模块。以下简单的方法就可以达到目的：

>>> s='aaaaaaaaaaaaaaaaa\n\n\nbbbbbbbbbbbbbbbbbbbbbbb\n\n\nccccccccccccccccccccccc'
>>> pages = s.split('\n\n\n')
>>> ''.join(page + '\n\tpage: {}\n'.format(i + 1) for i, page in enumerate(pages))
'aaaaaaaaaaaaaaaaa\n\tpage: 1\nbbbbbbbbbbbbbbbbbbbbbbb\n\tpage: 2\nccccccccccccccccccccccc\n\tpage: 3\n'

不过，我怀疑你的格式没有那么规范，但在我给出一个好的答案之前，你必须包含更多的细节。你知道吗

如果您想用杂乱的空格（我将定义为至少三行换行符和任何其他空格混合在一起）进行拆分，您可以将s.split('\n\n\n')替换为：

re.split(r'(?:\n\s*?){3,}', s)