从 Python 中的给定字符串中删除奇数 \n、\t、\r 和空格组合答案

【问题标题】：Removing odd \n, \t, \r and space combinations from a given string in Python从 Python 中的给定字符串中删除奇数 \n、\t、\r 和空格组合
【发布时间】：2013-07-22 11:01:55
【问题描述】：

我有一个长字符串，其中包含 \n、\r、\t 以及单词和其他字符之间的空格的各种组合。

我想将所有多个空格缩减为一个空格。
我想将所有 \n、\r、\t 组合减少为单个换行符。
我也想将所有 \n、\r、\t 和空格组合减少为单个换行符。

我以各种方式尝试了''.join(str.split())，但均未成功。

这里正确的 Pythonic 方式是什么？
Python 3.x 的解决方案会有所不同吗？

例如。字符串：

ex_str = u'Word   \n \t \r   \n\n\n word2    word3   \r\r\r\r\nword4\n    word5'

所需的输出 [new new-line = \n]：

new_str = u'Word\nword2 word3\nword4\nword5'

【问题讨论】：

不要命名变量str；它掩盖了内置类型。
“我也想将所有 \n、\r、\t 和空格组合减少为一个换行符。” 连续计算两个空格作为“\n、\r、\t 和空格组合”？如果是，你如何决定何时使用这条规则，何时使用第一条规则？
@Kevin，在单词之间，我有任何东西，从单个 \n、单个 \t、单个 \r、单个空格到任何（或相同）的 1、2、3 或全部 4其中。如果任何组合有一个或多个新行，我希望它是一个新行。如果它只有空格（一个或多个），我希望它是一个空格。
@MartijnPieters，我替换了示例字符串名称。谢谢。
你需要澄清你在换行规则中包含\t。 word1\t\tword2 应该是 word1 word2 还是 word1\nword2？

标签： python string python-2.7 replace split

【解决方案1】：

使用str.splitlines() 的组合并使用str.split() 分割所有空格：

'\n'.join([' '.join(line.split()) for line in ex_str.splitlines() if line.strip()])

这会分别处理每一行，删除空行，然后将每行的所有空白折叠成单个空格。

如果输入是 Python 3 字符串，则相同的解决方案适用于两个 Python 版本。

演示：

>>> ex_str = u'Word   \n \t \r   \n\n\n word2    word3   \r\r\r\r\nword4\n    word5'
>>> '\n'.join([' '.join(line.split()) for line in ex_str.splitlines() if line.strip(' ')])
u'Word\nword2 word3\nword4\nword5'

要保留选项卡，您需要在仅个空格上剥离和拆分并过滤掉空字符串：

'\n'.join([' '.join([s for s in line.split(' ') if s]) for line in ex_str.splitlines() if line.strip()])

演示：

>>> '\n'.join([' '.join([s for s in line.split(' ') if s]) for line in ex_str.splitlines() if line.strip(' ')])
u'Word\n\t\nword2 word3\nword4\nword5'

【讨论】：

如果是\t\t ，这可能不能满足需求3。它应该由换行符替换。 @Martijn Pieters
@zhangyangyu：我不是 100% 相信是这样的。
我认为简单的\ts 也应该转换为换行符。但是，示例字符串没有这种情况。
@Alfe：请参阅问题上的 cmets； OP 对这些感到困惑。
我看到了cmets。对于制表符是否应转换为换行符的问题，我没有看到混淆，至少在澄清»word1\t\tword2 应该是 word1\nword2« 之后不会混淆。但无论如何，他后来问了一个忽略标签的新功能，所以你也许他重新考虑了;-)

【解决方案2】：

使用简单的正则表达式：

import re
new_str = re.sub(r'[^\S\n]+', ' ', re.sub(r'\s*[\n\t\r]\s*', '\n', ex_str))

【讨论】：

【解决方案3】：

使用正则表达式：

>>> s
u'Word   \n \t \r   \n\n\n word2    word3   \r\r\r\r\nword4\t    word5'
>>> re.sub(r'[\n\r\t ]{2,}| {2,}', lambda x: '\n' if x.group().strip(' ') else ' ', s)
u'Word\nword2 word3\nword4\nword5'
>>>

【讨论】：

【解决方案4】：

另一种使用正则表达式的解决方案，它用空格u'word1\t\tword2' 替换制表符，或者你真的想在这里添加换行符吗？

import re
new_str = re.sub(r"[\n\ ]{2,}", "\n", re.sub(r"[\t\r\ ]+", " ", ex_str))

【讨论】：

【解决方案5】：

'\n'.join(str.split())

输出：

u'Word\nword2\nword3\nword4\nword5'

【讨论】：

仔细看看预期的输出 ;)
您将word2 和word3 之间的空格替换为换行符。