使用 Python 从字符串中删除不间断空格

Posted 2023-02-23

【中文标题】使用 Python 从字符串中删除不间断空格

【英文标题】：Removing non-breaking spaces from strings using Python

【发布时间】：2011-02-05 09:25:39

【问题描述】：

我在 Python 中遇到了一个非常基本的字符串问题（我无法弄清楚）。基本上，我正在尝试执行以下操作：

'# read file into a string 
myString =  file.read()

'# Attempt to remove non breaking spaces 
myString = myString.replace("\u00A0"," ")

'# however, when I print my string to output to console, I get: 
Foo **<C2><A0>** Bar

我认为“\u00A0”是 unicode 非中断空格的转义码，但显然我没有正确执行此操作。关于我做错了什么有什么想法吗？

【问题讨论】：

您使用的是哪个版本的 Python（根据您使用的是 2.x 还是 3.x，答案可能会有所不同）？

嗨凯西，是的，我正在使用 Python v2.5.1

编辑了我的回答作为回应。

【参考方案1】：

在你写的内容中没有任何迹象表明你一定做错了什么：如果原始字符串在 'Foo' 和 'Bar' 之间有一个不间断的空格，那么你现在有一个正常的空格。这假设在某些时候您已经将输入字符串（我想它是一个字节字符串，除非您使用 Python 3 或使用 codecs 模块中的函数打开 file）解码为 Unicode 字符串，否则出于replace 的目的，您不太可能在非 unicode 字节字符串中找到 unicode 字符。但是，您所写的内容并没有明显的问题迹象。

您能否澄清一下输入是什么（在替换之前打印repr(myString)）和输出是什么（在替换之后再次打印repr(myString)）以及为什么您认为这是个问题？如果没有 repr，实际上不同的字符串可能看起来相同，但 repr 会有所帮助。

【参考方案2】：

不，u"\u00A0" 是不间断空格的转义码。 "\u00A0" 是 6 个字符，不是任何类型的转义码。 Read this.

【讨论】：

您提供的链接可能对初学者有好处，但它具有误导性。它完全忽略了 Unicode 规范化，例如，'ć' 是 u'\u0107'，它可以表示为 u'c\u0301' unicode.org/reports/tr15

【参考方案3】：

您没有 unicode 字符串，而是 UTF-8 字节列表（这是 Python 2.x 中的字符串）。

试试

myString = myString.replace("\xc2\xa0", " ")

改用 unicode 会更好——请参阅this article 了解想法。因此你可以说

uniString = unicode(myString, "UTF-8")
uniString = uniString.replace(u"\u00A0", " ")

它也应该可以工作（警告：我现在没有可用的 Python 2.x），尽管在将其发送到文件或将其打印到屏幕时需要将其转换回字节（二进制） .

【讨论】：

您的解决方案很有帮助。谢谢！

您的 UTF-8 解决方案正是我在日志文件中获取不间断空间所需要的。虽然当记录器将日志记录回显到控制台时输出看起来很奇怪，这不是 UTF-8，当然，它看起来很奇怪，但它在日志文件中变得完全不可见，导致它完全按照我的需要出现，我的列标签上方有一个空行。

看起来该网站消失了。我会寻找另一个类似的。

在 Python 3 中是否需要使用 unicode() 函数或 u""？我之所以问这个问题是因为我的理解是 Python 3 仅在 unicode 中编码每个字符串。

这个答案绝对是 2.x 的答案——Python 3 对字符串的处理方式不同。

【参考方案4】：

请注意，简单的myString.strip() 不仅会删除空格，还会删除 myString 开头和结尾的非中断空格。不完全符合 OP 的要求，但在许多情况下仍然非常方便。

【参考方案5】：

在为一个老问题添加另一个答案之前我犹豫了，但是由于 Python3 将 Unicode“不间断空格”字符计为空白字符，并且由于字符串默认为 Unicode，因此您可以在使用join 和split 的字符串s，如下所示：

s = ' '.join(s.split())

当然，这也会更改任何其他空白（制表符、换行符等）。请注意，这仅适用于 Python3。

【参考方案6】：

你可以通过强制编码来解决这个问题。

 cleaned_string = myString.encode('ascii', 'ignore')

【参考方案7】：

另请注意，python 的空白正则表达式字符匹配不间断空格。

以下代码将用一个空格替换一个或多个空格/不间断空格

import re

re.sub(r'\s+', ' ', u"String with    spaces and non\u00A0breaking\u00A0spaces")
# 'String with spaces and non breaking spaces'