處理文本時,刪除空行是常見需求,而且往往一次要清掉一個或多個連續空行。本文透過實測比較幾種正則寫法,並深入解釋背後的原理。
最直觀的思路是匹配連續的換行組合。例如用 (rn)* 來匹配多個空行,再以 null 取代,即可達到刪除效果,這是建立在對 r(回車)與 n(換行)的運用上。
另一種常見寫法是 n[s| ]*r,匹配後同樣以 null 替代,也能刪除空行,兩者效果一致。
經實測發現,其實只用 nr 就能刪除所有空行。原理在於:每個空行的開頭與結尾都是 nr,因此刪掉上一行之後,當前位置仍剩下一個 nr 能被再次匹配,如此反覆替代,就能把空行全部清乾淨。
那如果用 rn 呢?實測結果並不如預期。要理解這點,可以從文本的實際結構說起。
以下是一段原始文本(其中的換行是不可見字元):
C:Program FilesCommon FilesRelive.dll
C:Program FilesCommon Filessvchost.exe
C:Program FilesInternet Explorermsvcrt.bak
C:Program FilesInternet Explorermsvcrt.dll
C:WINNTsystem32driversnpf.sys
在我們進行文本處理時,可以把它想成一個整體:回車換行其實是「r 在前、n 在後」的組合,只是不可見,所以肉眼看不出間隔,但它確實存在。若把空行以 rn 表示,這段文本在記憶體中其實是連續字元,例如:
...Relive.dllrnrn...svchost.exernrn...msvcrt.bakrn...msvcrt.dllrnnn...npf.sysrn...
正因如此,才會出現前面的現象:
rn 匹配並替代後,所有的 rn 都消失了,文本變成一串完全相連的純字元。nr 替換後,中間所有的 nr 都被取代,只剩下最後一個 rn 無法配對。理解了这層底層結構,就能明白為何 r 與 n 的順序會造成截然不同的結果,也能更準確地為不同情境挑選合適的正則寫法。