問題描述

讀¹ 的Reading word lists小節時，發現需要從thinkpython2/code/words.txt上下載words.txt檔案。我不想利用複製-貼上的方法構造該檔案，想到之前學過的爬蟲技術，於是寫下如下程式碼：

import requests

r = requests.get('http://greenteapress.com/thinkpython2/code/words.txt')
# since abobe net use ISO-8859-1 encoding
r.encoding = 'utf-8'

# 寫入外部檔案
words = open('words.txt'
 
,'w')
words.write(r.text)
words.close()

得到檔案words.txt後，發現每個單詞後面會跟個空行，我採用Notepad++的檢視->顯示符號->顯示行尾符後，具體如下圖所示：

上述是個問題，怎樣去掉多餘的行？

解決方法

對上述檔案的內容觀察，發現是Macintosh格式，顯示內容多出CR。為此我利用Notepad++的功能將其轉換為Windows格式，如下圖：

轉換後得到結果如下圖所示：

我用程式實際測試，在Windows系統下，Python的\n相當於CR LF。於是對於轉換成Windows格式後的檔案words.txt來說，我們需要做的是：將\n\n

# stripNewline.py
import re

fi = open('words.txt')
str = fi.read()
#str = 'nihao\n\n'
dnewlinePattern = re.compile(r'\n\n')
outStr = re.sub(dnewlinePattern,'\n',str)
fo = open('wordsOut.txt','w')
fo.write(outStr)
fo.close()
#print(repr(outStr))
fi.close()

得到的檔案wordOut.txt滿足了要求。如圖：