将脚本升级到Python 3\r\n文本二进制模式（&T）

Question

真的在为一些基本的东西而挣扎。我正在查找没有倒数\r\n的实例（即。\r\n是good x\n是bad and would）。你知道吗

我很欣赏这一点，因为python 2对“rb”的管理方式不同，但无法在python 3中计算出等价的函数或标识方法。你知道吗

import re
import sys
import time
with open('4 - raw.txt', 'rb') as content_file:
    content = content_file.read()

newLinePos = [m.start() for m in re.finditer('\n', content)]

for line in newLinePos:
    if (content[line-1]) != '\r':
        print (repr(content[line-20:line]))

print ("end")
time.sleep(1000)

Answer 1

如果要查找换行符/换行符（\n）字符的位置，而不是前面有回车符（\r），可以使用负lookback断言正则表达式。你知道吗

>>> lines = ['foo', 'ba\nr', 'baz', 'quux']
>>> content = '\r\n'.join(lines).encode('utf-8')
>>> content
b'foo\r\nba\nr\r\nbaz\r\nquux'
>>> pattern = b'(?<!\r)\n'
>>> newLinePos = [m.start() for m in re.finditer(pattern, content)]
>>> newLinePos
[7]
>>> content[5:8]
b'ba\n'

有几件事需要注意。你知道吗

1. content是bytes实例；当您以“rb”模式读取文件时，将得到字节。你知道吗
2. pattern需要是字节实例，因为正在搜索的序列是字节实例。你知道吗
3. 如果括号（\n）后面的字符前面没有\r，则模式(?<!\r)\n匹配。请参阅re documentation以获取完整的描述。你知道吗

Answer 2

python3明确区分了原始字节字符串和utf-8字符串。content[line-1]返回一个数字，可能是0-255字节，您试图将其与字符串'\r'匹配。我同意可能会进行转换，但是Python是强类型的，因此无论整数代表什么字符，转换都将失败。要获取对应于\r的byte数字，请使用：

(content[line-1]) != ord('\r')

类似地，使用字节字符串生成迭代器：

newLinePos = [m.start() for m in re.finditer(b'\n', content)]