在Python中用单个空格替换多个空格[重复]

Posted 2023-02-23

【中文标题】在Python中用单个空格替换多个空格[重复]

【英文标题】：Substitute multiple whitespace with single whitespace in Python [duplicate]

【发布时间】：2011-01-05 21:08:03

【问题描述】：

我有这个字符串：

mystring = 'Here is  some   text   I      wrote   '

如何将双、三 (...) 空白字符替换为单个空格，以便得到：

mystring = 'Here is some text I wrote'

【问题讨论】：

您可能应该说“用单个 空格 替换多个空格”，因为空格是一类字符（制表符、换行符等）

【参考方案1】：

正则表达式可用于对组合的空白字符提供更多控制。

匹配 unicode 空格：

import re

_RE_COMBINE_WHITESPACE = re.compile(r"\s+")

my_str = _RE_COMBINE_WHITESPACE.sub(" ", my_str).strip()

仅匹配 ASCII 空格：

import re

_RE_COMBINE_WHITESPACE = re.compile(r"(?a:\s+)")
_RE_STRIP_WHITESPACE = re.compile(r"(?a:^\s+|\s+$)")

my_str = _RE_COMBINE_WHITESPACE.sub(" ", my_str)
my_str = _RE_STRIP_WHITESPACE.sub("", my_str)

有时只匹配 ASCII 空格对于保留控制字符（例如 x0b、x0c、x1c、x1d、x1e、x1f）至关重要。

参考：

关于\s：

对于 Unicode (str) 模式： 匹配 Unicode 空白字符（包括 [ \t\n\r\f\v]，以及许多其他字符，例如 许多语言的排版规则规定的不间断空格）。 如果使用 ASCII 标志，则仅匹配 [ \t\n\r\f\v]。

关于re.ASCII：

使 \w、\W、\b、\B、\d、\D、\s 和 \S 只执行 ASCII 匹配，而不是完整的 Unicode 匹配。这仅对 Unicode 有意义 模式，并且对于字节模式被忽略。对应内联 标志 (?a)。

strip() 将远程所有前导和尾随空格。

【讨论】：

如果你真的只想替换空格（''），使用re.sub(' +', ' ', mystring).strip()

【参考方案2】：

一个简单的可能性（如果您宁愿避免使用 RE）是

' '.join(mystring.split())

拆分和连接执行您明确询问的任务——此外，它们还执行您未提及但在您的示例中看到的额外任务，即删除尾随空格；-)。

【讨论】：

哦酷，我在摸索类似的解决方案，但使用 split(' ') 然后使用过滤器来删除空元素。我从来不知道没有争论的分裂是这样的。这也快得多，timeit.py 给了我大约 0.74 微秒，而正则表达式给了我 5.75 微秒。

@Roman，是的，x.split()（和 x.split(None)）在 空格序列（包括制表符、换行符等，如 re 的 \s）上分割1+ - 它确实非常快。所以，总是很乐意提供帮助！

这是一个非常优雅的解决方案，但我想提一下，这也会删除任何换行符

@trudolf，当然，因为换行符是空格——'\n'.isspace()是True——所以任何没有的代码replace 会违反as ask 的问题（问题的未表达的intent 当然可能与它的非常明确的表达不同，但是，读心术并不是很普遍技能:-)。

为了避免 '\n' 与 ' ' 混合，可以像这样使用 splitlines() ：' '.join((''.join(text.splitlines())).split( ))

【参考方案3】：

为了完整起见，您还可以使用：

mystring = mystring.strip()  # the while loop will leave a trailing space, 
                  # so the trailing whitespace must be dealt with
                  # before or after the while loop
while '  ' in mystring:
    mystring = mystring.replace('  ', ' ')

这将在具有相对较少空格的字符串上快速工作（在这些情况下比re 更快）。

在任何情况下，Alex Martelli's split/join solution 的执行速度至少一样快（通常要快得多）。

在您的示例中，使用 timeit.Timer.repeat() 的默认值，我得到以下时间：

str.replace: [1.4317800167340238, 1.4174888149192384, 1.4163512401715934]
re.sub:      [3.741931446594549,  3.8389395858970374, 3.973777672860706]
split/join:  [0.6530919432498195, 0.6252146571700905, 0.6346594329726258]

编辑：

刚刚遇到this post，它对这些方法的速度进行了相当长的比较。

【讨论】：

比其他行更多，因此更少“pythonic”，但更清晰。

提醒一下，如果你打错了，这个有无限循环的风险。