在 Python 中删除前导/结束和内部多个空格，但不删除制表符、换行符或返回字符答案

【问题标题】：Remove leading/ending and internal multiple spaces but NOT tabs, newlines, or return characters, in Python在 Python 中删除前导/结束和内部多个空格，但不删除制表符、换行符或返回字符
【发布时间】：2017-12-02 08:00:50
【问题描述】：

Python remove all whitespace in a string 问题的答案显示了分别从 Python 中的字符串中删除前导/结尾、重复和所有空格的不同方法。但是 strip() 删除制表符和换行符，而 lstrip() 只影响前导空格。使用 .join(sentence.split()) 的解决方案似乎也删除了 Unicode 空白字符。

假设我有一个字符串，在本例中是使用 Scrapy 从网站上抓取的，如下所示：

['\n                        \n                    ',
         '\n                        ',
         'Some text',
         ' and some more text\n',
  ' and on another a line some more text', '
                ']

当我在其他上下文中使用换行符时，它会保留文本的格式，但是所有额外的空间都是令人讨厌的。 如何删除所有前导、结尾和重复的内部空格，同时保留换行符（除了任何 \r 或 \t 字符，如果有的话）？

我想要的结果（在我加入各个字符串之后）将是：

['\n\n\nSome text and some more text\nand on another line some more text']

没有提供示例代码，因为到目前为止我尝试的只是上面引用的页面上的建议，它得到了我试图避免的结果。

【问题讨论】：

标签： python scrapy whitespace

【解决方案1】：

在这种情况下，str.strip() 不会帮助您（即使您使用 " " 作为参数，因为它不会删除内部的空格，只会在字符串的开头/结尾处，它会删除"and" 之前的一个空格也是如此。

改为使用正则表达式从字符串中删除 2 个或更多空格：

l= ['\n                        \n                    ',
         '\n                        ',
         'Some text',
         ' and some more text\n',
  ' and on another a line some more text']

import re

result = "".join([re.sub("  +","",x) for x in l])

print(repr(result))

打印：

'\n\n\nSome text and some more text\n and on another a line some more text'

编辑：如果我们将正则表达式应用于每一行，我们无法检测到 \n 在某些情况下，如您所述。因此，替代且更复杂的解决方案是在应用正则表达式之前加入字符串，并应用更复杂的正则表达式（请注意，我更改了字符串的测试列表以添加更多极端情况）：

l= ['\n                        \n                    ',
         '\n                        ',
         'Some text',
         ' and some more text \n',
  '\n and on another a line some more text ']

import re

result = re.sub("(^ |(?<=\n) |  +| (?=\n)| $)","","".join(l))

print(repr(result))

打印：

'\n\n\nSome text and some more text\n\nand on another a line some more text'

现在正则表达式中有 5 个案例将被删除：

以一个空格开始
换行符后的空格
2 个或更多空格
空格后跟换行符
以一个空格结尾

事后诸葛亮：看起来（并且确实）很复杂。 is 毕竟有一个非正则表达式解决方案，它给出完全相同的结果（如果单词之间没有多个空格）：

result = "\n".join([x.strip(" ") for x in "".join(l).split("\n")])
print(repr(result))

只需加入字符串，然后根据换行符拆分，应用strip 和" " 作为参数以保留标签，然后根据换行符再次加入。

与re.sub(" +"," ",x.strip(" ")) 链接以处理单词之间可能的双空格：

result = "\n".join([re.sub("  +"," ",x.strip(" ")) for x in "".join(l).split("\n")])

【讨论】：

这很有帮助，几乎完全回答了它 - 除了如果一个空格开始一个新行，就像这里的例子一样，它不会被剥离。
@NFB：现在答案看起来很完整，现在甚至有 2 个替代方案 :)
这完全解决了原始示例，但是它确实有一个我的示例字符串未说明的意外效果。如果单词之间有多个空格，它会将它们减少到根本没有空格，而不是只有一个空格。但是，我将其标记为已回答，因为它确实解决了原始示例。还有很多可能的解决方案。谢谢！
除非我遗漏了什么，否则我仍然会删除双空格，而不是替换为单个空格。哪个代码 sn-p 被修复以将许多空格替换为一个，较长的一个或第二个（较短的）一个？

【解决方案2】：

如果你愿意，你也可以通过内置的字符串操作来完成整个事情。

l = ['\n                        \n                    ',
     '\n                        ',
     'Some text',
     ' and some more text\n',
     ' and on another a      line some more text',
     '              ']


def remove_duplicate_spaces(l):
    words = [w for w in l.split(' ') if w != '']
    return ' '.join(words)

lines = ''.join(l).split('\n')
formatted_lines = map(remove_duplicate_spaces, lines)
u = "\n".join(formatted_lines)

print(repr(u))

给予

'\n\n\nSome text and some more text\nand on another a line some more text'

您也可以将整个内容折叠成一条线：

s = '\n'.join([' '.join([s for s in x.strip(' ').split(' ') if s!='']) for x in ''.join(l).split('\n')])

# OR

t = '\n'.join(map(lambda x: ' '.join(filter(lambda s: s!='', x.strip(' ').split(' '))), ''.join(l).split('\n')))

【讨论】：