如何使用正则表达式从字符串中删除额外的回车和空格？

Question

我要将 HTML 代码转换为纯文本。但是会有很多额外的换行和空格，该如何去除它们呢？

- Shisoft

---

听起来很明显，但如果仅仅替换空格和回车并不能让你的HTML看起来足够优美，那么你可以考虑使用HTML格式化工具。 - Ivan Ferrer Villa

Answer 1

string new_string = Regex.Replace(orig_string, @"\s", "")会删除所有空格。

string new_string = Regex.Replace(orig_string, @"\s+", " ")只会将多个空格合并为一个。

- Daniel DiPaolo

---

谢谢，那么回报怎么样？ - Shisoft

我真的很喜欢你去掉空格的方式;-) - Mohammad M. Ramezanpour

"\s" 是空格、换行符、制表符和换页符（以及某些实现中的其他空白字符）的简写，因此它将删除这些回车并将它们转换为单个空格。 - Tim Pietzcker

Answer 2

我假设你想要

• 查找两个或更多连续的空格并将其替换为一个空格，以及
• 查找两个或更多连续的换行符并将其替换为一个换行符。

如果是这样，你可以使用以下代码：

resultString = Regex.Replace(subjectString, @"( |\r?\n)\1+", "$1");

这将保留原始的空白符类型，同时还可以正确地保留Windows换行符。如果您还想将多个制表符“压缩”为一个，请使用

resultString = Regex.Replace(subjectString, @"( |\t|\r?\n)\1+", "$1");

要将一串换行符和空格（任意数量）压缩成一个单独的换行符，请使用

resultString = Regex.Replace(subjectString, @"(?:(?:\r?\n)+ +){2,}", @"\n");

- Tim Pietzcker

---

+1 表示保留新行，仅折叠相同类型的重复内容。 - John McDonald

好的，但是还有一种情况无法解决。例如\n \n \n \n \n \n \n \n \n \n返回的结果会混合空格。 - Shisoft

@Tim Pietzcker 我想把连续的空格转换成 " "，连续的回车转换成 "\n"，然后将带有空格的回车（例如 \n\n \n\n \n\n \n）转换为 "\n"。注意："\n"之间可能会有多个空格。 - Shisoft

我已经为这种情况添加了另一个正则表达式；这个正则表达式必须在另一个正则表达式之前或之后应用。 - Tim Pietzcker

(.NET) 如果你想要保留包含在\s中的换行符，请使用[ \t]代替\s。 //删除多个回车符 txt = Regex.Replace(txt, @"( |\r?\n)\1+", "$1"); //删除重复的空格或多个制表符<!-- language: c# --> txt = Regex.Replace(txt, @"[ \t]+", " "); //删除空行或由空格和制表符组成的行 txt = Regex.Replace(txt, @"^[ \t]+$[\r\n]*", "", RegexOptions.Multiline).Trim(); - Allen

Answer 3

我为此使用了很多算法。每个循环都很好，但这个是明显而绝对的。

//define what you want to remove as char

char tb = (char)9; //Tab char ascii code
spc = (char)32;    //space char ascii code
nwln = (char)10;   //New line char ascii char

yourstring.Replace(tb,"");
yourstring.Replace(spc,"");
yourstring.Replace(nwln,"");

//by defining chars, result was better.

- ithnegique

Answer 4

您可以使用Trim()函数来去除空格和回车。在HTML中，空格并不重要，因此您可以通过使用System.String类中的Trim()方法来省略它们。

- Mohammad M. Ramezanpour

---

我认为 trim 只能删除开头和结尾的空格。 - Shisoft

实际上，只支持前导和尾随字符：http://msdn.microsoft.com/en-us/library/system.string.trim.aspx。+1 建议提供替代方案，也许可以扩展这个想法为 OP 提供一个无正则表达式的解决方案？ - Grant Thomas

您可以删除空格，还可以删除其他您想要删除的字符。如果您想要删除回车符，我认为最好的方法是使用这个： "Your Html".Trim（'\n'） - Mohammad M. Ramezanpour

重点是，它只会从字符串的开头和结尾删除它们。 OP 正试图在整个字符串中折叠空格。Trim可能有用，但它不能完成整个工作。 - Alan Moore