如何去除ascii和nonascii字符之间的空白？

Question

例如：

import re

s1 = 'LOGO 设计'
## s2 = '设计 LOGO'

s = re.sub('[a-zA-Z0-9]{3,}(\s)[^a-zA-Z0-9]', '', s1)

print(s)

我希望找到至少3个ascii字符，然后是一个空格，然后是非ascii字符，然后用空字符串替换空白。我的代码有两个问题：

1. 如何编写(\s)的替换字符串？

1. 如何使它也适用于s2的相反顺序？：

^a-zA-Z0-9

Answer 1

将希望保留在捕获组中的字符串放在捕获组中，然后在替换中引用它们。

s = re.sub(r'([a-zA-Z0-9]{3})\s([^a-zA-Z0-9])', r'\1\2', s1)

您不需要使用{3,}，您可以只使用{3}。这将将最后3个字符复制到结果中。默认情况下，所有前面的字符都将被复制，因为它们没有被替换。

您还可以通过匹配前面有3个ASCII字符和一个非ASCII字符的空格来完成这一任务。然后用空字符串替换空格。

s = re.sub(r'(?<=[a-zA-Z0-9]{3})\s(?=[^a-zA-Z0-9])', '', s1)

您可以在此方法中使用替代方法来匹配这两个订单。

s = re.sub(r'(?<=[a-zA-Z0-9]{3})\s(?=[^a-zA-Z0-9])|(?<=[^a-zA-Z0-9])\s(?=[a-zA-Z0-9]{3})', '', s1)

Answer 2

向前看和向后看

s1 = 'LOGO 设计 SKY  आकाश'

st = re.split(r'(?<=[^a-zA-Z])(?=[a-zA-Z])',s1)

[re.sub(r'\s+','',e) for e in st]

['LOGO设计', 'SKYआकाश']