使用python替换所有换行符

Question

我正在尝试使用 python 阅读 pdf，内容有许多换行符 (crlf)。我尝试使用以下代码删除它们：

 from tika import parser

filename = 'myfile.pdf'
raw = parser.from_file(filename)
content = raw['content']
content = content.replace("\r\n", "")
print(content)

但输出保持不变。我也尝试使用双反斜杠，但没有解决问题。有人可以建议吗？

原文由 Leni 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

我无权访问您的 pdf 文件，所以我在我的系统上处理了一个。我也不知道您是需要删除所有新行还是只需要加倍新行。下面的代码删除了双新行，这使输出更具可读性。

请让我知道这是否适合您当前的需求。

 from tika import parser

filename = 'myfile.pdf'

# Parse the PDF
parsedPDF = parser.from_file(filename)

# Extract the text content from the parsed PDF
pdf = parsedPDF["content"]

# Convert double newlines into single newlines
pdf = pdf.replace('\n\n', '\n')

#####################################
# Do something with the PDF
#####################################
print (pdf)

原文由 Life is complex 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

content = content.replace("\\r\\n", "")

你需要双重逃避他们。

原文由 Alb 发布，翻译遵循 CC BY-SA 4.0 许可协议