在Python中用单个空格替换多个空格

Question

我有一个字符串：

mystring = 'Here is  some   text   I      wrote   '

我怎么才能将重复的双倍、三倍（......）空格字符替换为单个空格，以便得到：

mystring = 'Here is some text I wrote'

- creativz

---

您可能应该说“用单个空格代替多个空白字符”，因为空白字符是一个字符类（制表符、换行符等）。 - Noufal Ibrahim

Answer 1

一个简单的可能性（如果你宁愿避免正则表达式）是：

' '.join(mystring.split())

分割和连接执行你明确要求的任务，而且它们还执行了额外的任务，这个你没有提到但在你的示例中可以看到，即去除尾部空格;-)。

- Alex Martelli

---

哦，真酷！我曾经尝试过类似的解决方案，但是使用了split(' ')方法然后使用filter函数来移除空元素。我从未知道使用没有参数的split方法可以像这样工作。这种方法也更快，用timeit.py测试结果表明，它大约只需要0.74微秒，而正则表达式则需要5.75微秒。 - Roman

@Roman，是的，x.split()（和x.split(None)）会根据长度为1+的空白序列（包括制表符、换行符等，就像re的\s）进行分割 - 而且速度相当快。很高兴能帮助！ - Alex Martelli

这是一个非常优雅的解决方案，但我想提醒一下，这也会删除任何换行符。 - trudolf

为了避免 '\n' 与 ' ' 混淆，可以使用 splitlines() 方法来处理文本。示例如下：' '.join((''.join(text.splitlines())).split())。 - Pradeep Singh

只需使用 ' '.join(mystring.split(' ')) 即可仅删除连续重复的空格。这也将删除前导和尾随空格，但将保留换行符、制表符等。 - FifthAxiom

Answer 2

正则表达式可以用于更好地控制组合的空白字符。

要匹配Unicode空格符：

import re

_RE_COMBINE_WHITESPACE = re.compile(r"\s+")

my_str = _RE_COMBINE_WHITESPACE.sub(" ", my_str).strip()

仅匹配ASCII空格：

import re

_RE_COMBINE_WHITESPACE = re.compile(r"(?a:\s+)")
_RE_STRIP_WHITESPACE = re.compile(r"(?a:^\s+|\s+$)")

my_str = _RE_COMBINE_WHITESPACE.sub(" ", my_str)
my_str = _RE_STRIP_WHITESPACE.sub("", my_str)

在保留控制字符如x0b、x0c、x1c、x1d、x1e、x1f的情况下，仅匹配ASCII空格有时是必要的。

参考：

关于\s：

对于Unicode（str）模式： 匹配Unicode空格字符（包括[ \t\n\r\f\v]，以及许多其他字符，例如许多语言中规定的不间断空格）。 如果使用了ASCII标志，则仅匹配[ \t\n\r\f\v]。

关于re.ASCII：

使\w、\W、\b、\B、\d、\D、\s和\S执行ASCII-only匹配，而不是完整的Unicode匹配。这仅对Unicode模式有意义，并且对字节模式不起作用。相当于内联标志(?a)。

strip()将删除任何前导和尾随空格。

- hroest

---

如果你只想替换空格（' '），可以使用re.sub(' +', ' ', mystring).strip()。 - Simon Hessner

Answer 3

为了完整性，你也可以使用：

mystring = mystring.strip()  # the while loop will leave a trailing space, 
                  # so the trailing whitespace must be dealt with
                  # before or after the while loop
while '  ' in mystring:
    mystring = mystring.replace('  ', ' ')

在字符串中包含相对较少空格的情况下，它将比 re 更快地工作。无论哪种情况，Alex Martelli 的 split/join 解决方案 至少具有同样快的表现（通常更快）。

在您的示例中，使用 timeit.Timer.repeat() 的默认值，我得到以下时间：

str.replace: [1.4317800167340238, 1.4174888149192384, 1.4163512401715934]
re.sub:      [3.741931446594549,  3.8389395858970374, 3.973777672860706]
split/join:  [0.6530919432498195, 0.6252146571700905, 0.6346594329726258]

编辑：

刚刚看到这篇文章，它提供了这些方法的速度相对较长的比较。

- David C

---

比其他代码行数更多，因此不太符合“Pythonic”的风格，但更加清晰易懂。 - BuvinJ

提醒一下，如果您输错了，这个程序有可能会陷入无限循环的风险。 - 林果皞