Python re.sub - 在上下文不匹配时替换字符

Question

我想清理一些损坏的csv文件。一个问题是它们在数据字段中包含换行符，从而将一个数据集分成两部分。我正在寻找一个python代码，消除换行符，如果他们不跟随8位数字。到目前为止我的代码：

filetoparse = open('test.csv', encoding='utf-8') 
data = filetoparse.read() 

data = re.sub(r'\n(\d{8})',r'§§§\1',data) 
data = re.sub(r'\n',r'',data) 
data = re.sub(r'§§§','\n',data) 

基本上我现在用的是§§§作为正确路线的占位符源，消除数据中的所有换行符，然后替换占位符与线再次饲料。

它确实有用，但有没有办法更优雅地做到这一点？

Answer 1

使用negative lookahead pattern：

data = re.sub(r'\n(?!\d{8})', '', data) 

例如，

import re 
data = ''' 
12345678 foo 
bar 
baz 
12345678 foo 
''' 
data = re.sub(r'\n(?!\d{8})', '', data) 

print(data) 

产量

12345678 foobarbaz 
12345678 foo