Python 的正則表達式支持 多行模式，將每行文字分別匹配。然而各種操作系統里，換行符的表示法各不相同，會導致 Python 不能正確使用多行模式。

花式換行符

不同操作系統下， 換行符的表示方法 也不同。主要有以下三種：

操作系統

換行符名稱

16 進制值

10 進制值

轉義表示

Unix、Linux

LF

0A

10

\n

Windows、DOS

CR LF

0D 0A

13 10

\r \n

Mac

CR

0D

13

\r

測試 Python 的表現

如果 Python 不能正確識別換行符，就無法按照期望，進入多行模式的匹配模式。

可以使用下面的腳本來檢驗各種換行符下，不同版本Python 能否正確進入多行模式。腳本如下：

import re

print(re.findall(r"^\w+$", "hello\r\nbye\r\n", re.M))

如果結果是 ['hello', 'bye'] ，說明正確進入了多行模式；而如果結果是 [] , 則說明沒有正常進入多行模式。

測試結果

操作系統

換行符表示

Python 2.7

Python 3.6

Unix、Linux

\n

['hello', 'bye'] ?

['hello', 'bye'] ?

Windows、DOS

\r \n

[] ?

[] ?

Mac

\r

[] ?

[] ?

測試結果說明，只有 \n 這種換行符能成功將 Python 帶入 多行模式。

如何分辨換行符

那么面對傳來的字節流，無論是來自文件、網絡，如何知道其中的換行符是 上節 中的那種呢？我們需要以將字符串用二進制形式表達。

下面這個腳本可以觀察字節流的二進制表示：

s=["hello\n","hello\r\n","hello\r"]

for y in s: print(' '.join(format(ord(x), 'b') for x in y))

得到結果為：

1101000 1100101 1101100 1101100 1101111 1010 #\n

1101000 1100101 1101100 1101100 1101111 1101 1010 #\r\n

1101000 1100101 1101100 1101100 1101111 1101 #\r

如何糾正

那么怎么將換行符調整到 適合 Python 進入多行模式的呢？可以使用 re.sub() 查找替換函數:

print(re.findall(r"^\w+$", re.sub(r"\r","\n",s), re.M))

或者

print(re.findall(r"^\w+$", re.sub(r"\r","",s), re.M))

將所有的 \r 刪除或者 替換為 \n ，就能正確識別出換行符。