正则表达式应该以不同的方式处理空格，包括换行符

Question

我的目标是制作一个可以处理两种情况的正则表达式：

• 包含一个或多个任意顺序的换行符的多个空格应成为一个换行符
• 不包括任何换行符的多个空格应成为空格

无序性与换行符和无换行符的不同情况相结合，使这变得复杂。

最有效的方法是什么？

例如

'   \n \n \n a'     # --> '\na'
'   \t \t    a'     # --> ' a'  
'   \na\n     '     # --> '\na\n'

基准测试：

s = '   \n \n \n a   \t \t    a   \na\n     '
n_times = 1000000
------------------------------------------------------
change_whitespace(s)   - 5.87 s
change_whitespace_2(s) - 3.51 s
change_whitespace_3(s) - 3.93 s

n_times = 100000
------------------------------------------------------
change_whitespace(s * 100)    - 27.9 s 
change_whitespace_2(s * 100)  - 16.8 s 
change_whitespace_3(s * 100)  - 19.7 s    

Answer 1

（假设 Python 可以用回调函数进行正则表达式替换）

您可以使用一些回调来查看需要替换的内容。
第 1 组匹配，用空格替换。
第 2 组匹配，用换行符替换

(?<!\s)(?:([^\S\r\n]+)|(\s+))(?!\s)

 (?<! \s )           # No whitespace behind
 (?:
      ( [^\S\r\n]+ )      # (1), Non-linebreak whitespace
   |  
      ( \s+ )             # (2), At least 1 linebreak
 )
 (?! \s )            # No whitespace ahead

Answer 2

这会将包含换行符的空格替换为单个换行符，然后将不包含换行符的空格替换为单个空格。

import re

def change_whitespace(string):
    return re.sub('[ \t\f\v]+', ' ', re.sub('[\s]*[\n\r]+[\s]*', '\n', string))

结果：

>>> change_whitespace('   \n \n \n a')
'\na'
>>> change_whitespace('   \t \t    a')
' a'
>>> change_whitespace('   \na\n     ')
'\na\n'

感谢@sln 提醒我正则表达式回调函数：

def change_whitespace_2(string):
    return re.sub('\s+', lambda x: '\n' if '\n' in x.group(0) else ' ', string)

结果：

>>> change_whitespace_2('   \n \n \n a')
'\na'
>>> change_whitespace_2('   \t \t    a')
' a'
>>> change_whitespace_2('   \na\n     ')
'\na\n'

这是一个带有@sln 表达式的函数：

def change_whitespace_3(string):
    return re.sub('(?<!\s)(?:([^\S\r\n]+)|(\s+))(?!\s)', lambda x: ' ' if x.group(1) else '\n', string)

结果：

>>> change_whitespace_3('   \n \n \n a')
'\na'
>>> change_whitespace_3('   \t \t    a')
' a'
>>> change_whitespace_3('   \na\n     ')
'\na\n'