UTF-8编码Unicode文件保留数字开头行换行，代码无效求解决

问题还原 #

你有一个UTF-8编码的文本文件greek.txt，希望通过Python代码处理得到目标文件greek_r.txt，但当前编写的代码并未生效。

原文件内容：

Blessed is a Man 1. μακάριος ανήρ 2. ότι γινώσκει κύριος 

（注：推测你实际的原文件可能存在多余换行，核心需求是去除非数字行首前的换行，将内容合并为连贯的格式）

你使用的代码：

# -*- coding: utf-8 -*-
import io
import re
f1 = io.open('greek.txt','r',encoding='utf8')
f2 = io.open('greek_r.txt','w',encoding='utf8')
for line in f1:
    f2.write(re.sub(r'\n((?=^[^\d]))', r'\1', line))
f1.close()
f2.close()

代码失效原因 #

1. 逐行处理的局限性：你用for line in f1逐行读取文件时，每个line仅包含单独一行的内容（末尾带换行符），正则中的\n无法匹配到当前行内部的换行（当前行只有末尾一个换行），导致替换逻辑根本不会触发。
2. 正则表达式逻辑错误：正则\n((?=^[^\d]))里的^在默认模式下表示字符串的开头，逐行处理时每个line的开头就是字符串开头，再加上\n不存在于当前行的开头，所以完全匹配不到任何内容。

修复方案 #

如果你的需求是去除所有“换行后不是以数字开头”的换行符，将这些行与上一行合并，可以改为一次性读取整个文件内容，再进行正则替换，同时使用更安全的with语句自动管理文件：

# -*- coding: utf-8 -*-
import io
import re

# 使用with语句自动关闭文件，避免手动close的遗漏或错误
with io.open('greek.txt', 'r', encoding='utf8') as input_file, \
     io.open('greek_r.txt', 'w', encoding='utf8') as output_file:
    # 一次性读取全部内容，避免逐行处理的局限性
    full_content = input_file.read()
    # 匹配换行符，且换行后的第一个字符不是数字，将其替换为空格（可根据需求改为''直接去掉换行）
    processed_content = re.sub(r'\n(?=[^\d])', ' ', full_content)
    output_file.write(processed_content)

正则说明 #

\n(?=[^\d])：

• \n：匹配目标换行符
• (?=[^\d])：正向预查，确保换行符后面的字符不是数字（[^\d]表示非数字字符）

这样就能精准替换掉那些不需要的换行，达到你想要的文本格式效果。

内容的提问来源于stack exchange，提问作者Andrei