如何用Python实现更Pythonic的多余换行符清理功能？

需求背景 #

将网站HTML转换为纯文本时，往往会产生大量多余的换行符，我们期望最终文本中相邻换行符最多保留1个。原实现代码冗余繁琐，且无法覆盖所有使用场景，需要更Pythonic、更简洁的实现方案。

原实现代码 #

def clean_up_lines(message_text):
    text_str = str(message_text)
    text_data = text_str.replace(chr(13), "[EOL]")
    text_data = text_data.replace(chr(10), "[EOL]")
    text_data = text_data.replace("\n", "[EOL]")
    text_data = text_data.replace("\r", "[EOL]")
    for x in range(0, 10):
        text_data = text_data.replace("[EOL]       [EOL]", "[EOL]")
        text_data = text_data.replace("[EOL]      [EOL]", "[EOL]")
        text_data = text_data.replace("[EOL]     [EOL]", "[EOL]")
        text_data = text_data.replace("[EOL]    [EOL]", "[EOL]")
        text_data = text_data.replace("[EOL]   [EOL]", "[EOL]")
        text_data = text_data.replace("[EOL]  [EOL]", "[EOL]")
        text_data = text_data.replace("[EOL] [EOL]", "[EOL]")
        text_data = text_data.replace("[EOL][EOL]", "[EOL]")
    for x in range(0, 8):
        text_data = text_data.replace("[EOL][EOL]", "[EOL]")
    text_data = text_data.replace("[EOL]", "\n")
    return text_data

优化后Pythonic实现 #

直接使用Python内置正则模块即可实现，仅需数行代码，且能覆盖所有场景：

import re

def clean_up_lines(message_text):
    # 匹配连续的换行（含\r、\n）及换行之间的任意空白，替换为单个换行符
    return re.sub(r'[\r\n][\r\n\s]*', '\n', str(message_text))

如果需要同时去掉文本首尾的多余换行，可以再加一步strip处理：

import re

def clean_up_lines(message_text):
    return re.sub(r'[\r\n][\r\n\s]*', '\n', str(message_text)).strip('\n')

实现说明 #

• 正则表达式[\r\n][\r\n\s]*会匹配任意回车、换行开头，后续跟任意数量换行、空白字符的连续序列，直接替换为单个\n，完美实现相邻换行最多保留1个的需求
• 无需自定义占位符和多次循环替换，执行效率远高于原有实现，且不存在空格数量过多时处理失效的问题
• 兼容所有换行格式（\r、\n、\r\n），覆盖全部场景

内容的提问来源于stack exchange，提问作者krypterro