如何用Python正则表达式有效移除中文文本中的多余空格？

本文共计335个文字，预计阅读时间需要2分钟。

在将PDF转换为文本时，常有多余的空白格，影响数据感知。需去除文本中的多余空格，保留英文字符间的正常空格。例如：输入：我昨天赚了10个亿，老百二‘输出：我昨天赚了10个亿

在pdf转为文本的时候，经常会多出空格，影响数据观感，因此需要去掉文本中多余的空格，而文本中的英文之间的正常空格需要保留，输入输出如下：

input：我今天 赚了 10 个亿，老百姓very happy。

output：我今天赚了10个亿，老百姓very happy。

代码

def clean_space(text): """" 处理多余的空格 """ match_regex = re.compile(u'[\u4e00-\u9fa5。\.,，:：《》、\(\)（）]{1} +(?<![a-zA-Z])|\d+ +| +\d+|[a-z A-Z]+') should_replace_list = match_regex.findall(text) order_replace_list = sorted(should_replace_list,key=lambda i:len(i),reverse=True) for i in order_replace_list: if i == u' ': continue new_i = i.strip() text = text.replace(i,new_i) return text

python去除英文单词之间多余的空格

re.sub(" +", " ", s)

import re s = " info has been found (+/- 100 pages, and 4.5 mb of .pdf files) now i have to wait untill our team leader has processed it and learns html. " re.sub(" +", " ", s)

' '.join(s.split())

s = " info has been found (+/- 100 pages, and 4.5 mb of .pdf files) now i have to wait untill our team leader has processed it and learns html. " s = ' '.join(s.split()) s

更多关于python使用正则表达式去除多余空格方法请查看下面的相关链接