Python - 如何清除文本中的空格

Question

在Python中，我有很多包含空格的字符串。我想要清除文本中的所有空格，但是如果在引号内则不清除。

示例输入:

This is "an example text" containing spaces.

And I want to get:

Thisis"an example text"containingspaces.

line.split()不太好，因为它会清除文本中的所有空格。

你有什么推荐吗？

- Tűzálló Földgolyó

---

您需要进行一定的分析，以使带引号的字符串保持不变 - 但是此处并不清楚。例如，应该尊重'引用的子字符串吗？未闭合的引号应该如何处理？ - Gareth Latty

只有空格被接受在这里。 - Tűzálló Földgolyó

谢谢。 我该如何用**替换这些空格？ - Tűzálló Földgolyó

那是一个新问题，不是对这个问题的评论。 - Gareth Latty

@TűzállóFöldgolyó 为什么，如果我可以问的话？ - Colonel Panic

Answer 1

对于只使用双引号"的简单情况：

>>> import re
>>> s = 'This is "an example text" containing spaces.'
>>> re.sub(r' (?=(?:[^"]*"[^"]*")*[^"]*$)', "", s)
'Thisis"an example text"containingspaces.'

解释：

[ ]      # Match a space
(?=      # only if an even number of spaces follows --> lookahead
 (?:     # This is true when the following can be matched:
  [^"]*" # Any number of non-quote characters, then a quote, then
  [^"]*" # the same thing again to get an even number of quotes.
 )*      # Repeat zero or more times.
 [^"]*   # Match any remaining non-quote characters
 $       # and then the end of the string.
)        # End of lookahead.

- Tim Pietzcker

Answer 2

可能有比这更优雅的解决方案，但是:

>>> test = "This is \"an example text\" containing spaces."
>>> '"'.join([x if i % 2 else "".join(x.split())
              for i, x in enumerate(test.split('"'))])
'Thisis"an example text"containingspaces.'

我们将文本按引号分割，然后在列表推导式中进行迭代。如果索引是奇数（不在引号内），我们通过拆分和重新连接来删除空格，如果是偶数（在引号内），则不删除。然后我们用引号重新连接整个内容。

- Gareth Latty

Answer 3

使用re.findall可能是更易理解/灵活的方法：

>>> s = 'This is "an example text" containing spaces.'
>>> ''.join(re.findall(r'(?:".*?")|(?:\S+)', s))
'Thisis"an example text"containingspaces.'

您可以滥用csv.reader：

>>> import csv
>>> ''.join(next(csv.reader([s.replace('"', '"""')], delimiter=' ')))
'Thisis"an example text"containingspaces.'

或者使用 re.split：

>>> ''.join(filter(None, re.split(r'(?:\s*(".*?")\s*)|[ ]', s)))
'Thisis"an example text"containingspaces.'

- Jon Clements

Answer 4

使用正则表达式！

import cStringIO, re
result = cStringIO.StringIO()
regex = re.compile('("[^"]*")')
text = 'This is "an example text" containing spaces.'

for part in regex.split(text):
    if part and part[0] == '"':
        result.write(part)
    else:
        result.write(part.replace(" ", ""))
return result.getvalue()

- Vladimir Lagunov

---

这里似乎不需要使用StringIO - 为什么不直接使用列表和 "".join()？ - Gareth Latty

仅仅因为它更快且需要更少的内存。当然，你可以使用“join”。 - Vladimir Lagunov

Answer 5

你也可以使用csv来完成这个操作：

import csv

out=[]
for e in csv.reader('This is "an example text" containing spaces. '):
    e=''.join(e)
    if e==' ': continue
    if ' ' in e: out.extend('"'+e+'"')
    else: out.extend(e)

print ''.join(out) 

打印This is "an example text" containing spaces.

- dawg

Answer 6

'"'.join(v if i%2 else v.replace(' ', '') for i, v in enumerate(line.split('"')))

- Elazar

Answer 7

quotation_mark = '"'                                                            
space = " "                                                                             
example = 'foo choo boo "blaee blahhh" didneid ei did '                         
formated_example = ''                                                           

if example[0] == quotation_mark:                                                           
    inside_quotes = True                                                       
else:                                                                           
    inside_quotes = False                                                        

for character in example:                                                          
    if inside_quotes != True:                                                   
        formated_example += character                                              
    else:                                                                       
        if character != space:                                                     
            formated_example += character                                          
    if character == quotation_mark:                                                
        if inside_quotes == True:                                               
            inside_quotes = False                                               
        else:                                                                   
            inside_quotes = True                                                

print formated_example

- eblahm

---

我会为其他答案重复我的评论：“字符串连接最好使用''.join(seq)进行，这是一个O(n)的过程。相比之下，使用“+”或“+=”运算符可能会导致O(n ** 2)的过程，因为每个中间步骤都可能构建新的字符串。CPython 2.4解释器在一定程度上缓解了这个问题；然而，''.join(seq)仍然是最佳实践。”（http://wiki.python.org/moin/PythonSpeed/） - Gareth Latty