用空格字符替换序列的第一个

Question

我有一个来自早期文本处理步骤的 HTML 格式的文本字符串。它是这样的，您会看到 any <SPACE> 字符已被   序列替换：

...this is some text    and some further   text...

现在，我想用 <SPACE> 字符替换文本中的 一些   序列。规则是：

• 用单个<SPACE> 字符替换任何单个   序列
• 用单个<SPACE> 字符替换一系列  序列中的第一个   序列

生成的字符串应如下所示：

...this is some text    and some further   text...

对于使用 Python 的编程方法有什么想法吗？

Answer 1

问题可以简化为替换每个 ，而不是紧跟在另一个 之后。

要实施此策略，请使用 re.sub 并带有否定的后视效果，如下所示：

import re

s = '...this is some text    \
     and some further   text...'

print(re.sub(r'(?<!&nbsp;)&nbsp;', ' ', s))
# ...this is some text &nbsp;&nbsp;&nbsp;and some further &nbsp;&nbsp;text...