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 with statement 进行文件操作指南
Aug 22 Python
python采用getopt解析命令行输入参数实例
Sep 30 Python
python实现的系统实用log类实例
Jun 30 Python
从请求到响应过程中django都做了哪些处理
Aug 01 Python
python 处理string到hex脚本的方法
Oct 26 Python
Python异常的检测和处理方法
Oct 26 Python
pygame实现五子棋游戏
Oct 29 Python
pandas中read_csv的缺失值处理方式
Dec 19 Python
python中二分查找法的实现方法
Dec 06 Python
python 如何读、写、解析CSV文件
Mar 03 Python
python基于OpenCV模板匹配识别图片中的数字
Mar 31 Python
Pytest中conftest.py的用法
Jun 27 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实现的遍历文件夹下所有文件,编辑删除
2010/01/05 PHP
WordPress自定义时间显示格式
2015/03/27 PHP
PHP输出缓冲控制Output Control系列函数详解
2015/07/02 PHP
Yii统计不同类型邮箱数量的方法
2016/10/18 PHP
utf8的编码算法 转载
2006/12/27 Javascript
使用JS操作页面表格,元素的一些技巧
2007/02/02 Javascript
jquery入门—选择器实现隔行变色实例代码
2013/01/04 Javascript
JavaScript格式化日期时间的方法和自定义格式化函数示例
2014/04/04 Javascript
对js关键字命名的疑问介绍
2014/04/25 Javascript
让checkbox不选中即将选中的checkbox不选中
2014/07/11 Javascript
在JavaScript中重写jQuery对象的方法实例教程
2014/08/25 Javascript
推荐一个封装好的getElementsByClassName方法
2014/12/02 Javascript
Vue组件通信实践记录(推荐)
2017/08/15 Javascript
Javascript中JSON数据分组优化实践及JS操作JSON总结
2017/12/22 Javascript
详解webpack打包第三方类库的正确姿势
2018/10/20 Javascript
vue组件之间通信实例总结(点赞功能)
2018/12/05 Javascript
11个教程中不常被提及的JavaScript小技巧(推荐)
2019/04/17 Javascript
webpack4手动搭建Vue开发环境实现todoList项目的方法
2019/05/16 Javascript
微信小程序实现时间进度条功能
2020/11/17 Javascript
Vue 简单实现前端权限控制的示例
2020/12/25 Vue.js
wxpython中利用线程防止假死的实现方法
2014/08/11 Python
举例讲解Python中装饰器的用法
2015/04/27 Python
Python 创建空的list,以及append用法讲解
2018/05/04 Python
django富文本编辑器的实现示例
2019/04/10 Python
用Python爬取QQ音乐评论并制成词云图的实例
2019/08/24 Python
Python3使用xml.dom.minidom和xml.etree模块儿解析xml文件封装函数的方法
2019/09/23 Python
Python jieba库用法及实例解析
2019/11/04 Python
Python的赋值、深拷贝与浅拷贝的区别详解
2020/02/12 Python
Python实现自动装机功能案例分析
2020/10/22 Python
洛杉矶生活休闲而精致的基础品牌:Mika Jaymes
2018/01/07 全球购物
物流专业求职计划书
2014/01/10 职场文书
运动会稿件100字
2014/02/21 职场文书
中学生寄语大全
2014/04/03 职场文书
电子商务专业自荐信
2014/06/02 职场文书
班干部竞选演讲稿(精选5篇)
2019/09/24 职场文书
教你快速开启Apache SkyWalking的自监控
2021/04/25 Servers