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开发编码规范
Sep 08 Python
Python返回真假值(True or False)小技巧
Apr 10 Python
python字符串的常用操作方法小结
May 21 Python
python模块之sys模块和序列化模块(实例讲解)
Sep 13 Python
Python lambda函数基本用法实例分析
Mar 16 Python
对Python3 * 和 ** 运算符详解
Feb 16 Python
Python日期时间Time模块实例详解
Apr 15 Python
解决python flask中config配置管理的问题
Jul 26 Python
python协程gevent案例 爬取斗鱼图片过程解析
Aug 27 Python
Pytorch 实现冻结指定卷积层的参数
Jan 06 Python
python 利用matplotlib在3D空间绘制二次抛物面的案例
Feb 06 Python
使用Python制作一个数据预处理小工具(多种操作一键完成)
Feb 07 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
php下把数组保存为文件格式的实例应用
2010/02/08 PHP
memcached 和 mysql 主从环境下php开发代码详解
2010/05/16 PHP
关于ob_get_contents(),ob_end_clean(),ob_start(),的具体用法详解
2013/06/24 PHP
教你如何开启shopnc b2b2c 伪静态
2014/10/21 PHP
Laravel 5 学习笔记
2015/03/06 PHP
[原创]来自ImageSee官方 JavaScript图片浏览器
2008/01/16 Javascript
javascript 面向对象全新理练之原型继承
2009/12/03 Javascript
JavaScript 事件冒泡简介及应用
2010/01/11 Javascript
EASYUI TREEGRID异步加载数据实现方法
2012/08/22 Javascript
jquery 元素控制(追加元素/追加内容)介绍及应用
2013/04/21 Javascript
利用jquery禁止外层滚动条的滚动
2017/01/05 Javascript
微信小程序 地图map实例详解
2017/06/07 Javascript
vuejs移动端实现div拖拽移动
2019/07/25 Javascript
JavaScript实现更换背景图片
2019/10/18 Javascript
[01:38]DOTA2 2015国际邀请赛中国区预选赛 Showopen
2015/06/01 DOTA
wxPython中listbox用法实例详解
2015/06/01 Python
总结python爬虫抓站的实用技巧
2016/08/09 Python
python 2.6.6升级到python 2.7.x版本的方法
2016/10/09 Python
Python+MongoDB自增键值的简单实现
2016/11/04 Python
python实现在函数中修改变量值的方法
2019/07/16 Python
python TK库简单应用(实时显示子进程输出)
2019/10/29 Python
html5 利用canvas实现超级玛丽简单动画
2013/09/06 HTML / CSS
FitFlop澳大利亚官网:英国符合人体工学的鞋类品牌
2017/06/05 全球购物
Topman美国官网:英国著名的国际平价时尚男装品牌
2017/12/22 全球购物
美国领先的家庭智能音响系统品牌:Sonos
2018/07/20 全球购物
锐步英国官网:Reebok英国
2019/11/29 全球购物
一年级数学教学反思
2014/02/01 职场文书
岗位说明书范文
2014/05/07 职场文书
中药学专业求职信
2014/05/31 职场文书
银行求职自荐书
2014/06/25 职场文书
优秀教师先进事迹材料
2014/12/15 职场文书
趣味运动会加油词
2015/07/18 职场文书
《多彩的民间艺术》教学反思
2016/02/16 职场文书
高中历史教学反思
2016/02/19 职场文书
python基于scrapy爬取京东笔记本电脑数据并进行简单处理和分析
2021/04/14 Python
让文件路径提取变得更简单的Python Path库
2021/05/27 Python