如何使用正则表达式去除带<|>分隔符字符串的多余空白并修复异常输出

问题原因分析 #

• 正则表达式存在语法错误：空白字符匹配应使用\s而非s，同时分隔符<|>中的|是正则特殊字符，必须转义才能匹配字面量，原正则未转义导致匹配逻辑完全不符合预期，才会产生多余的分隔符。
• 原有逻辑没有覆盖「分隔符后接换行+空白」的场景，导致跨行的日期字段前的空白没有被清除。

修复后的完整代码 #

import re
test_str = '''PERSON_ID<|>DEPT_ID<|>DATE_JOINED
    AAAAA<|>S1<|>2021/01/03
    BBBBBB<|>S2<|>
    2021/02/03
    CCCCC<|>S1<|>2021/03/05'''

# 匹配<|>前后的所有空白（包括换行），替换为单个<|>
regex = r'\s*<\|>\s*'
subst = "<|>"
# 先替换所有分隔符周围的空白，再按换行拆分，过滤空行后输出
for line in re.sub(regex, subst, test_str).split('\n'):
    line = line.strip()
    if line:
        print(line)

输出结果 #

PERSON_ID<|>DEPT_ID<|>DATE_JOINED
AAAAA<|>S1<|>2021/01/03
BBBBBB<|>S2<|>2021/02/03
CCCCC<|>S1<|>2021/03/05

优化说明 #

• 正则\s*<\|>\s*可以匹配分隔符前后任意数量的空白字符（包含空格、制表符、换行符），一次性把分隔符周围的多余内容全部清理，自动把跨行的字段拼接回同一行的分隔符后。
• 不需要加re.MULTILINE参数，当前匹配逻辑已经可以覆盖跨行空白的场景。
• 拆分后逐行strip过滤空行，确保行首行尾没有多余空白。

内容的提问来源于stack exchange，提问作者Barney-LoveStudy