本文介绍如何用 Python 的 re.sub() 配合负向先行断言，精准替换那些不位于以冒号结尾的单词内部的换行符，从而保留配置项中冒号后多行值的完整性。
本文介绍如何用 python 的 `re.sub()` 配合负向先行断言，精准替换那些**不位于以冒号结尾的单词内部**的换行符，从而保留配置项中冒号后多行值的完整性。
在处理结构化文本（如配置片段、键值对列表）时，常需规范化换行符，但又不能破坏语义逻辑——例如，setting2: much longer string\nwith a newline in it 中的换行是值的一部分，应合并为空格；而 setting1:\nshort string 中的换行位于冒号之后、单词之前，则属于分隔符，也应合并；但若换行出现在类似 key:value\n 这样的上下文中（即换行紧邻一个以 : 结尾的“单词”），则该换行往往标志新条目的开始，不应被替换。
关键在于：我们只希望替换那些其后内容不构成“冒号结尾单词”的换行符。这可通过正则的负向先行断言（negative lookahead） 实现：
import re string = '\nsetting1: short string\nsetting2: much longer string\nwith a newline in it\nsetting3: short string\n' # ✅ 核心正则：\n(?!\w*:) # \n → 匹配字面换行符 # (?!\w*:) → 断言：换行后不能紧跟着「零个或多个字母数字下划线 + 冒号」的组合 # 即：排除「换行后立即进入某个以 : 结尾的单词」的情形（如 "setting2:" 后的 \n） result = re.sub(r'\n(?!\w*:)', ' ', string) print(repr(result)) # 输出：'\nsetting1: short string\nsetting2: much longer string with a newline in it\nsetting3: short string '
? 补充说明：(?!\w*:) 中的 \w* 默认匹配 ASCII 字母、数字和下划线；若需支持 Unicode 字符（如中文键名），可改用 (?![^\s:]*:) 或 (?!(?:[^:\n\s])*:) 更严谨地限定“冒号前无换行/空白”，避免跨行误判。
⚠️ 注意事项：
- 此方案假设“冒号所属单词”是连续无空白的标识符（如 setting2:），不包含空格或换行；
- 若原始字符串含 Windows 换行（\r\n），需先统一为 \n 或调整正则为 \r?\n(?!\w*:)；
- 替换后末尾可能残留多余空格，必要时可用 .strip() 或二次清理；
- 该逻辑不处理嵌套结构或注释，复杂场景建议改用专用解析器（如 configparser）。
总结：通过 r'\n(?!\w*:)' 这一简洁而精准的模式，我们实现了语义感知的换行归并——既保持配置项值的连贯性，又尊重键值分界逻辑，是正则高级特性解决实际文本清洗问题的典型范例。
