如何用Python移除Markdown中无嵌套子列表的无序列表

需要移除Markdown中没有无序列表子项的顶级无序列表条目及后续空行。

现有Markdown内容：

# Known

* Languages with Latin alphabet:
  * English
  * French
  * Portuguese

* Languages with Greek alphabet:
  * Greek

* Languages with Armenian alphabet:

* Languages with Ethiopic script:

* Languages with Tamil script:

* Languages with Hiragana characters:
  * Japanese

* Languages with Klingon script:

# Wanted

**These wanted languages:**

* Languages with Sumero-Akkadian script:

* Languages with Hangul characters:
  * Korean

* Languages with Linear A script:

期望处理后结果：

# Known

* Languages with Latin alphabet:
  * English
  * French
  * Portuguese

* Languages with Greek alphabet:
  * Greek

* Languages with Hiragana characters:
  * Japanese

# Wanted

**These wanted languages:**

* Languages with Hangul characters:
  * Korean

原尝试的Python代码未达到预期效果：

import re

file_name = "Language support"

def remove_empty_lists():
  # It will read the file
  with open("{}.md".format(file_name), "r") as f:
    # It will search all the lines of the whole text
    lines = f.readlines()
    for line in lines:

      # It will find all the lines that contain "* Language with ..."
      if re.search(r"\* Languages with", line):
       # then if these contained lines have the symbol ":"
        if re.search(r":$", line):
        # It will find the empy new line
          if re.search(r"^$\n", line):
            # Then finally it will remove the list and the new line
            lines.remove(line)
  # It will rewrite the same file
  with open("{}.md".format(file_name), "w") as f:
    for line in lines:
      f.write(line)

原代码存在的问题 #

• 逻辑错误：判断空行的条件re.search(r"^$\n", line)是检查当前行是否为空行，但当前行是顶级列表项（比如* Languages with Armenian alphabet:），不可能是空行，所以这个判断永远不成立，根本不会执行删除操作。
• 遍历列表时直接修改原列表：lines.remove(line)会导致遍历过程中跳过部分元素，因为列表长度变化了。
• 没有处理列表项后续的空行：即使删除了空列表项，也没移除它后面的空行。

正确实现方案 #

思路 #

1. 逐行遍历，跟踪当前是否处于需要检查的顶级无序列表项状态。
2. 当遇到顶级列表项（以* Languages with开头且以:结尾），记录该位置，然后检查下一行是否是缩进的子列表项（以 *开头）。
3. 如果下一行不是子列表项，则标记当前列表项和后续的空行需要删除。
4. 最后将不需要删除的内容写入文件。

代码实现 #

import re

file_name = "Language support.md"

def remove_empty_lists():
    with open(file_name, "r") as f:
        lines = [line.rstrip('\n') for line in f]  # 统一处理换行符，避免混乱
    
    keep_lines = []
    i = 0
    while i < len(lines):
        line = lines[i]
        # 匹配顶级列表项：以* Languages with开头，以:结尾
        if re.match(r"\* Languages with.*:$", line):
            # 检查下一行是否是子列表项（缩进2空格+*）
            has_child = False
            # 跳过当前行后的空行，看是否有子项
            j = i + 1
            while j < len(lines):
                next_line = lines[j].strip()
                if next_line == "":
                    j += 1
                    continue
                # 子列表项以  * 开头（注意前面的两个空格）
                if re.match(r"  \*.*", lines[j]):
                    has_child = True
                break
            if has_child:
                keep_lines.append(line)
                i += 1
            else:
                # 跳过当前空列表项，以及后续的所有空行
                i += 1
                while i < len(lines) and lines[i].strip() == "":
                    i += 1
                continue
        else:
            keep_lines.append(line)
            i += 1
    
    # 将处理后的内容写入文件，每行加换行符
    with open(file_name, "w") as f:
        f.write('\n'.join(keep_lines) + '\n')

if __name__ == "__main__":
    remove_empty_lists()

代码解释 #

• 先把所有行的换行符统一处理，用rstrip('\n')去掉换行，最后写入时再统一添加，避免不同系统换行符问题。
• 使用while循环遍历，方便控制索引，处理需要跳过的行。
• 遇到目标顶级列表项时，向后检查是否存在缩进的子列表项：跳过中间的空行，看第一个非空行是否是子项格式。
• 如果没有子项，就跳过当前列表项以及后续的所有空行；如果有子项，就保留当前行，继续遍历。
• 最后把需要保留的行用'\n'.join拼接，写入文件。

内容的提问来源于stack exchange，提问作者Oo'-