python使用正则表达式去除中文文本多余空格,保留英文之间空格方法详解


Posted in Python onFebruary 11, 2020

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

Python 相关文章推荐
Python升级提示Tkinter模块找不到的解决方法
Aug 22 Python
详解Django中的ifequal和ifnotequal标签使用
Jul 16 Python
python实现JAVA源代码从ANSI到UTF-8的批量转换方法
Aug 10 Python
python使用opencv读取图片的实例
Aug 17 Python
Python编程深度学习绘图库之matplotlib
Dec 28 Python
对django 模型 unique together的示例讲解
Aug 06 Python
python实现加密的方式总结
Jan 19 Python
python 给图像添加透明度(alpha通道)
Apr 09 Python
Tensorflow中的降维函数tf.reduce_*使用总结
Apr 20 Python
基于python连接oracle导并出数据文件
Apr 28 Python
关于tensorflow softmax函数用法解析
Jun 30 Python
jupyter notebook快速入门及使用详解
Nov 13 Python
python 函数中的参数类型
Feb 11 #Python
python正则过滤字母、中文、数字及特殊字符方法详解
Feb 11 #Python
python3正则模块re的使用方法详解
Feb 11 #Python
Python版中国省市经纬度
Feb 11 #Python
Python终端输出彩色字符方法详解
Feb 11 #Python
Python连接Oracle之环境配置、实例代码及报错解决方法详解
Feb 11 #Python
利用python中集合的唯一性实现去重
Feb 11 #Python
You might like
全国FM电台频率大全 - 27 陕西省
2020/03/11 无线电
利用PHP实现短域名互转
2013/07/05 PHP
PHP程序员常见的40个陋习,你中了几个?
2014/11/20 PHP
laravel 判断查询数据库返回值的例子
2019/10/11 PHP
Laravel 自动转换长整型雪花 ID 为字符串的实现
2020/10/27 PHP
ASP中用Join和Array,可以加快字符连接速度的代码
2007/08/22 Javascript
jQuery timers计时器简单应用说明
2010/10/28 Javascript
Javascript中的this绑定介绍
2011/09/22 Javascript
js将控件隐藏的方法及display属性介绍
2013/07/04 Javascript
jquery ajax请求方式与提示用户正在处理请稍等
2014/09/01 Javascript
jQuery中:last-child选择器用法实例
2014/12/31 Javascript
jQuery Easyui 验证两次密码输入是否相等
2016/05/13 Javascript
jQuery Easyui 下拉树组件combotree
2016/12/16 Javascript
Javascript面试经典套路reduce函数查重
2017/03/23 Javascript
vue项目中的webpack-dev-sever配置方法
2017/12/14 Javascript
[原创]jQuery实现合并/追加数组并去除重复项的方法
2018/04/11 jQuery
用图片替换checkbox原始样式并实现同样的功能
2018/11/15 Javascript
详解小程序毫秒级倒计时(适用于拼团秒杀功能)
2019/05/05 Javascript
js对象简介与基本用法示例
2020/03/13 Javascript
使用Typescript和ES模块发布Node模块的方法
2020/05/25 Javascript
JavaScript日期库date-fn.js使用方法解析
2020/09/09 Javascript
使用vue构建多页面应用的示例
2020/10/22 Javascript
[04:56]经典回顾:前Ehome 与 前LGD
2015/02/26 DOTA
利用pyshp包给shapefile文件添加字段的实例
2019/12/06 Python
Python监听剪切板实现方法代码实例
2020/11/11 Python
DRF使用simple JWT身份验证的实现
2021/01/14 Python
Pycharm 如何一键加引号的方法步骤
2021/02/05 Python
什么是数组名
2012/05/10 面试题
竞选演讲稿范文
2013/12/28 职场文书
社区活动策划方案
2014/08/21 职场文书
八一建军节演讲稿
2014/09/10 职场文书
党员干部反四风民主生活会对照检查材料思想汇报
2014/10/12 职场文书
2015年党员公开承诺书范文
2015/01/22 职场文书
2015年招商引资工作总结
2015/04/25 职场文书
2016年圣诞节活动总结范文
2016/04/01 职场文书
使用Vue3+Vant组件实现App搜索历史记录功能(示例代码)
2021/06/09 Vue.js