如何编写正则表达式忽略制表符、空行及空格以分割文件内容？

核心思路 #

分两步处理文本：

• 过滤空行：跳过所有仅包含空格、制表符或无实际内容的行；
• 提取有效元素：从非空行中提取所有数字序列（含前导零）和运算符（*、+、^），自动忽略所有空白字符（空格、制表符）。

关键正则表达式 #

1. 匹配空行（用于过滤）：

   ^\s*$
   

   • ^ 和 $ 锁定行的开头与结尾；
   • \s* 匹配任意数量的空白字符（空格、制表符、换行符），整行匹配则判定为需要忽略的空行。

2. 提取有效元素（用于分割每行内容）：

   \d+|[*+^]
   

   • \d+ 匹配一个或多个连续数字（支持带前导零的数字，比如01119111）；
   • | 表示逻辑或；
   • [*+^] 匹配单个目标运算符。

示例代码（Python） #

以下是基于Python的实现示例，展示逐行处理文件的流程：

import re

# 预编译正则表达式
empty_line_re = re.compile(r'^\s*$')
element_re = re.compile(r'\d+|[*+^]')

# 读取并处理文件
with open('target_file.txt', 'r') as file:
    for line in file:
        # 跳过空行
        if empty_line_re.match(line):
            continue
        # 提取当前行的所有有效元素
        valid_elements = element_re.findall(line)
        print(valid_elements)

处理效果示例 #

以你提供的第一行内容为例：

99999999 990001 * 01119111 55565    33333 + * +  88888888              +

处理后会得到列表：
['99999999', '990001', '*', '01119111', '55565', '33333', '+', '*', '+', '88888888', '+']

内容的提问来源于stack exchange，提问作者echo