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Activex组件方法
Nov 08 Python
Python类的多重继承问题深入分析
Nov 09 Python
python将MongoDB里的ObjectId转换为时间戳的方法
Mar 13 Python
在Django中限制已登录用户的访问的方法
Jul 23 Python
Python黑魔法@property装饰器的使用技巧解析
Jun 16 Python
Python中取整的几种方法小结
Jan 06 Python
tensorflow学习笔记之简单的神经网络训练和测试
Apr 15 Python
通过pycharm使用git的步骤(图文详解)
Jun 13 Python
Python面向对象之Web静态服务器
Sep 03 Python
解决Python logging模块无法正常输出日志的问题
Feb 21 Python
Python批量删除mysql中千万级大量数据的脚本分享
Dec 03 Python
python 遍历磁盘目录的三种方法
Apr 02 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
基于initPHP的框架介绍
2013/04/18 PHP
joomla jce editor 解决上传中文名文件失败问题
2013/06/09 PHP
ThinkPHP上使用多说评论插件的方法
2014/10/31 PHP
用jquery实现学校的校历(asp.net+jquery ui 1.72)
2010/01/01 Javascript
谈谈JavaScript中的函数与闭包
2013/04/14 Javascript
JS localStorage实现本地缓存的方法
2013/06/22 Javascript
从数据结构的角度分析 for each in 比 for in 快的多
2013/07/07 Javascript
node.js中的socket.io的广播消息
2014/12/15 Javascript
javascript进行四舍五入方法汇总
2014/12/16 Javascript
JavaScript中利用Array和Object实现Map的方法
2015/07/27 Javascript
jQuery中的ajax async同步和异步详解
2015/09/29 Javascript
使用vue.js2.0 + ElementUI开发后台管理系统详细教程(二)
2017/01/21 Javascript
js+html制作简单验证码
2017/02/16 Javascript
利用vue.js插入dom节点的方法
2017/03/15 Javascript
深入浅出es6模板字符串
2017/08/26 Javascript
利用Vue2.x开发实现JSON树的方法
2018/01/04 Javascript
微信小程序wepy框架笔记小结
2018/08/08 Javascript
详解Vue SSR( Vue2 + Koa2 + Webpack4)配置指南
2018/11/13 Javascript
JavaScript模板引擎原理与用法详解
2018/12/24 Javascript
自定义javascript验证框架示例【附源码下载】
2019/05/31 Javascript
[49:31]DOTA2-DPC中国联赛 正赛 Elephant vs LBZS BO3 第二场 1月29日
2021/03/11 DOTA
python实现绘制树枝简单示例
2014/07/24 Python
Python编程pygal绘图实例之XY线
2017/12/09 Python
python利用sklearn包编写决策树源代码
2017/12/21 Python
python实现感知器算法(批处理)
2019/01/18 Python
Python面向对象程序设计示例小结
2019/01/30 Python
Python异常处理知识点总结
2019/02/18 Python
复化梯形求积分实例——用Python进行数值计算
2019/11/20 Python
解决Python数据可视化中文部分显示方块问题
2020/05/16 Python
Python如何在单元测试中给对象打补丁
2020/08/03 Python
python实现图片转字符画
2021/02/19 Python
幼师专业毕业生自荐信
2013/09/29 职场文书
办公室主任先进事迹
2014/01/18 职场文书
2014基层党员批评与自我批评范文
2014/09/24 职场文书
金秋助学感谢信
2015/01/21 职场文书
高中生个性发展自我评价
2015/03/09 职场文书