Python解析ANSI转义序列，提取终端实际输出字符串

假设我有字符串 '\033[2KResolving dependencies...\033[2KResolving dependencies...'，在Python控制台打印该字符串时，终端仅显示一次内容：

Python 3.10.9 (main, Jan 19 2023, 07:59:38) [GCC 9.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> output = '\033[2KResolving dependencies...\033[2KResolving dependencies...'
>>> print(output)
                         Resolving dependencies...

请问是否有方法获取仅包含终端实际打印内容的字符串？即希望实现一个函数：

def evaluate_ansi_escapes(input: str) -> str:
    ...

使得 evaluate_ansi_escapes(output) == 'Resolving dependencies...'（理想情况下能保留内容前的正确空格数）。

临时解决方案 #

我已经实现了一个临时方案：

import re

def evaluate_ansi_escapes(input: str) -> str:
    erases_regex = r"^.*(\\(033|e)|\x1b)\[2K"
    erases = re.compile(erases_regex)
    no_erases = []
    for line in input.split("\n"):
        while len(erases.findall(line)) > 0:
            line = erases.sub("", line)
        no_erases.append(line)
    return "\n".join(no_erases)

该方案能生成接近预期的输出：

>>> evaluate_ansi_escapes(output)
'Resolving dependencies...'

但我想了解是否存在更规范的解决方法，以及如何捕获内容前的空格。

一、使用终端模拟器库（推荐） #

正则表达式只能覆盖有限的ANSI转义场景，要准确模拟终端的输出行为（包括光标位置、行清除、内容覆盖等），最好使用专门的终端模拟器库，比如pyte——它是纯Python实现的终端模拟器，能完整解析各类ANSI控制序列，还原终端实际显示内容。

实现步骤：

1. 安装pyte：

pip install pyte

2. 编写处理函数：

import pyte

def evaluate_ansi_escapes(input_str: str) -> str:
    # 创建屏幕对象，设置足够宽的列数避免内容截断
    screen = pyte.Screen(200, 1)
    stream = pyte.ByteStream(screen)
    
    # 将输入字符串转为字节流传入模拟器
    stream.feed(input_str.encode())
    
    # 获取屏幕显示内容，过滤空行并去除行尾空白
    return "\n".join(line.rstrip() for line in screen.display if line.strip())

3. 测试示例：

output = '\033[2KResolving dependencies...\033[2KResolving dependencies...'
print(repr(evaluate_ansi_escapes(output)))
# 输出会保留终端实际显示的前导空格，与终端打印结果一致

这个方案能处理几乎所有ANSI控制序列（包括光标移动、颜色、清除行/屏幕等），是最规范、全面的解决方案。

二、优化正则表达式（仅适用于简单场景） #

如果只需要处理\033[2K这类清除行的序列，且明确光标行为，可以优化正则逻辑，但这种方式无法模拟复杂光标位置带来的前导空格，仅适合特定场景：

import re

def evaluate_ansi_escapes(input: str) -> str:
    # 匹配所有ANSI控制序列（包括\x1b[2K这类）
    ansi_regex = re.compile(r'\x1b\[[0-9;]*[a-zA-Z]')
    lines = []
    for line in input.split("\n"):
        # 先移除所有ANSI序列
        cleaned = ansi_regex.sub("", line)
        # 由于\x1b[2K是清除整行，多次清除后仅保留最后一次输出的内容
        segments = [s for s in cleaned.split("Resolving dependencies...") if s]
        if segments:
            cleaned = "Resolving dependencies..."
        lines.append(cleaned)
    return "\n".join(lines)

注意：这种方式只能针对特定的字符串格式，通用性远不如终端模拟器库。

内容的提问来源于stack exchange，提问作者wrongusername